Pulino Solucoes Comentadas111118

Soluções comentadas do livro “Álgebra Linear e suas
Aplicações - Petronio Pulino”
Hugo Valadão
hugoaladav@gmail.com
Universidade Estadual de Campinas

11 de Novembro de 2018
1
Atenção:
As resoluções dos exercı́cios deste documento, mesmo tendo sido revisadas, podem conter al-
guns erros. Sendo assim, é importante lê-las com olhar crı́tico e com atenção aos erros (leves ou
graves) que possam surgir. Caso perceba qualquer erro (inclusive erro de digitação), agradeceria
que me notificasse por e-mail para poder corrigir e atualizar o arquivo. Aliás, este é um docu-
mento em constante construção e atualização, acesse o link do Google Drive (https://goo.gl/UhPMLv)
para ter acesso à versão mais recente.
Meus agradecimentos a Laryssa Abdala que revisou, corrigiu e sugeriu algumas das soluções
deste pdf!
Hugo Valadão
hugoaladav@gmail.com
11 de Agosto de 2018
Conteúdo
1 Estruturas Algébricas 6
1.0.1 Exercı́cio 1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.0.2 Exercı́cio 1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.0.3 Exercı́cio 1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.0.4 Exercı́cio 1.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.0.5 Exercı́cio 1.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.0.6 Exercı́cio 1.12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.0.7 Exercı́cio 1.17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.0.8 Exercı́cio 1.20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.0.9 Exercı́cio 1.21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Espaços Vetoriais 10
2.0.1 Exercı́cio 3.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.0.2 Exercı́cio 3.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.0.3 Exercı́cio 3.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.0.4 Exercı́cio 3.9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.0.5 Exercı́cio 3.11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.0.6 Exercı́cio 3.14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.0.7 Exercı́cio 3.16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.0.8 Exercı́cio 3.17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.0.9 Exercı́cio 3.20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.0.10 Exercı́cio 3.21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.0.11 Exercı́cio 3.23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.0.12 Exercı́cio 3.24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.0.13 Exercı́cio 3.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.0.14 Exercı́cio 3.28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.0.15 Exercı́cio 3.29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.0.16 Exercı́cio 3.34 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.0.17 Exercı́cio 3.35 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.0.18 Exercı́cio 3.37 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.0.19 Exercı́cio 3.39 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2
CONTEÚDO 3
2.0.20 Exercı́cio 3.43 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.0.21 Exercı́cio 3.46 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.0.22 Exercı́cio 3.48 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.0.23 Exercı́cio 3.54 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.0.24 Exercı́cio 3.57 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.0.25 Exercı́cio 3.58 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.0.26 Exercı́cio 3.60 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.0.27 Exercı́cio 3.62 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.0.28 Exercı́cio 3.63 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.0.29 Exercı́cio 3.64 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.0.30 Exercı́cio 3.67 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.0.31 Exercı́cio 3.69 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.0.32 Exercı́cio 3.70 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.0.33 Exercı́cio 3.72 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 Transformações Lineares 31
3.0.1 Exercı́cio 4.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.0.2 Exercı́cio 4.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.0.3 Exercı́cio 4.9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.0.4 Exercı́cio 4.10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.0.5 Exercı́cio 4.17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.0.6 Exercı́cio 4.19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.0.7 Exercı́cio 4.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.0.8 Exercı́cio 4.26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.0.9 Exercı́cio 4.28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.0.10 Exercı́cio 4.42 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.0.11 Exercı́cio 4.45 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.0.12 Exercı́cio 4.53 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.0.13 Exercı́cio 4.55 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4 Produto Interno 40
4.0.1 Exercı́cio 5.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.0.2 Exercı́cio 5.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.0.3 Exercı́cio 5.12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.0.4 Exercı́cio 5.14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.0.5 Exercı́cio 5.18 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.0.6 Exercı́cio 5.29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.0.7 Exercı́cio 5.31 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.0.8 Exercı́cio 5.41 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.0.9 Exercı́cio 5.53 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.0.10 Exercı́cio 5.55 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.0.11 Exercı́cio 5.57 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
CONTEÚDO 4
4.0.12 Exercı́cio 5.58 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

4.0.13 Exercı́cio 5.59 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.0.14 Exercı́cio 5.60 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.0.15 Exercı́cio 5.62 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.0.16 Exercı́cio 5.64 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.0.17 Exercı́cio 5.66 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.0.18 Exercı́cio 5.67 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.0.19 Exercı́cio 5.71 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5 Autovalores e Autovetores 51
5.0.1 Exercı́cio 6.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.0.2 Exercı́cio 6.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.0.3 Exercı́cio 6.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.0.4 Exercı́cio 6.9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.0.5 Exercı́cio 6.11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.0.6 Exercı́cio 6.13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.0.7 Exercı́cio 6.14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.0.8 Exercı́cio 6.16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.0.9 Exercı́cio 6.21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.0.10 Exercı́cio 6.22 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.0.11 Exercı́cio 6.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.0.12 Exercı́cio 6.27 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.0.13 Exercı́cio 6.28 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.0.14 Exercı́cio 6.29 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.0.15 Exercı́cio 6.42 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.0.16 Exercı́cio 6.43 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.0.17 Exercı́cio 6.45 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.0.18 Exercı́cio 6.46 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.0.19 Exercı́cio 6.51 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.0.20 Exercı́cio 6.52 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.0.21 Exercı́cio 6.53 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.0.22 Exercı́cio 6.60 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.0.23 Exercı́cio 6.61 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.0.24 Exercı́cio 6.65 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.0.25 Exercı́cio 6.69 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.0.26 Exercı́cio 6.70 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.0.27 Exercı́cio 6.72 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.0.28 Exercı́cio 6.88 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.0.29 Exercı́cio 6.92 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.0.30 Exercı́cio 6.94 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
5.0.31 Exercı́cio 6.95 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
CONTEÚDO 5
5.0.32 Exercı́cio 6.100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

5.0.33 Exercı́cio 6.101 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.0.34 Exercı́cio 6.108 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Capı́tulo 1
Estruturas Algébricas
Sessão 1.1
1.0.1 Exercı́cio 1.1
(a) (E, ?) não é grupo pois não satisfaz a propriedade de que todo elemento x ∈ E é sime-
trizável (além disso, note que satisfaz todas as outras). Previamente note que o elemento neutro
da operação ? é e = 0.
Agora tome, por exemplo, x = 1: então @x0 ∈ E tal que x ? x0 = e. De fato, pois por absurdo
suponha que existe x0 ∈ E elemento simétrico de x = 1. Então terı́amos que 0 = e = x ? x0 =
x + x0 =⇒ x0 = −x = −1 6∈ E; Que é um absurdo pois assumimos previamente x0 ∈ E. Logo
1 ∈ E não é simetrizável e portanto E munido da operação ? não tem uma estrutura de grupo
(em particular não tem estrutura de grupo abeliano).
(b) (E, ?) é grupo abeliano e vou provar.

i)Associatividade de ?: ∀x, y, z ∈ E vale que:
(x ? y) ? z = (x + y − 1) + z − 1
= x + (y − 1 + z − 1) pela assosiatividade da soma + de Z.
= x + (y + z − 1 − 1) pela comutatividade da soma + de Z.
= x + (y + z − 1) − 1 pela assosiatividade da soma + de Z.
= x ? (y ? z) pela definição de ?.
ii)Existência do elemento neutro: Note que ∀x ∈ E vale que

(x ? y = x ⇐⇒ x + y − 1 = x ⇐⇒ y = 1). e
(y ? x = x ⇐⇒ y + x − 1 = x ⇐⇒ y = 1).
Logo, como y = 1 ∈ E, provamos que x ? y = y ? x = x ∀x ∈ E, isto é, y é o elemento neutro de
E com relação à operação ?
Atenção: as implicações ⇐⇒ estão destacadas entre parênteses pois o que vale são somente as
implicações. Não podemos assumir (previamente) que x ? y = x para um certo y, mas podemos
com certeza assumir que (x ? y = x ⇐⇒ x + y − 1 = x) para todo y.
6
CAPÍTULO 1. ESTRUTURAS ALGÉBRICAS 7
iii)Existência dos simétricos: Note que ∀x ∈ E vale que

(x ? x0 = e ⇐⇒ x + x0 − 1 = 1 ⇐⇒ x0 = 2 − x), usando as propriedades da soma + de Z. E
também
(x0 ? x = e ⇐⇒ x0 + x − 1 = 1 ⇐⇒ x0 = 2 − x)
Logo dado x ∈ E, x0 = 2 − x satisfaz a propriedade do elemento simétrico e como 2 − x sem-
pre pertence a E, temos que x0 ∈ E e consequentemente todo elemento de E possui elemento
simétrico em E.
iv)Comutatividade de ?: ∀x, y ∈ E vale que:

x ? y = x + y − 1 = y + x − 1 = y ? x, usando a comutatividade da soma + de Z.
De i), ii), iii) e iv) está provado que (E, ?) é um grupo abeliano.
(c) (E, ?) é grupo abeliano (análogo à letra (b)).
(d) (E, ?) não é grupo abeliano pois tomando x = 1 e y = 0 temos que 2 = x ? y 6= y ? x = 1.

Logo não satisfaz a propriedade da comutatividade. Pode-se verificar que também não satisfaz a
associatividade nem a do elemento neutro (pois o elemento neutro deve ser único para todo x) e
portanto também não satisfaz a do elemento simétrico.
(e) (E, ?) não é grupo abeliano pois não satisfaz a propriedade do elemento simétrico (o simétrico
deve estar em E para que a propriedade seja satisfeita). Além disso, (E, ?) satisfaz todas as ou-
tras propriedades.

i)Associatividade: ∀x, y, z ∈ R vale que:
ii)Existência do Elemento Neutro: ∀x ∈ R vale que:
(x ? y = x ⇐⇒ x + y + 4 = x ⇐⇒ y = −4) e também
(y ? x = x ⇐⇒ y + x + 4 = x ⇐⇒ y = −4). Como y = −4 ∈ R, tenho pela implicação que ele é
o elementro neutro.
iii)Existência dos simétricos:∀x ∈ R vale que:
(x ? x0 = e ⇐⇒ x + x0 + 4 = −4 ⇐⇒ x0 = −x − 8) e também
(x0 ? x = e ⇐⇒ x0 + x + 4 = −4 ⇐⇒ x0 = −x − 8). Como −x − 8 sempre está em R tenho que
este conjunto com esta operação satisfaz a propriedade da existência dos simétricos.
iv)Comutatividade: ∀x, y ∈ R vale que x ? y = x + y + 4 = y + x + 4 = y ? x, usando a
comutatividade da soma + de R.
Portanto, segue de i), ii), iii), iv) que (R, ?) possui estrutura de grupo comutativo.

(R, ?) não possui estrutura de grupo comutativo. Ele não satisfaz nenhuma das 4 propriedades.
Associatividade: observando a forma de (x ? y) ? z e de x ? (y ? z) chegamos ao contra-exemplo
x = y = 0 e z = 1; Para a comutatividade x = 0 e y = 1 serve de contra-exemplo; A existência
do elemento neutro falha na ”neutralidade pela esquerda”, i.e., não existe um único e tal que
e ? x = x ∀x ∈ R, pois se existisse tal elemento terı́amos e ? x = e + 2x − 4 = x =⇒ e = 4 − x
que varia com x (logo não é único, absurdo). (R, ?) também não pode satisfazer a propriedade
da existência dos simétricos pois esta depende da existência de um elemento neutro (que já
vimos que falha). Por fim a comutatividade também não é uma propriedade que (R, ?) possui,
contra-exemplo: x = 0 e y = 1.

Neste caso, (R, ?) possui estrutura de grupo comutativo! De fato:
Associatividade: ∀x, y, z ∈ R vale que (x?y)?z = (x+y−6)?z = (x+y−6)+z−6 = x+y+z−12,
pela comutatividade e assosiatividade da soma + de R. Por outro lado, x?(y?z) = x?(y+z−6) =
x + (y + z − 6) − 6 = x + y + z − 12 = (x ? y) ? z.
Comutatividade: ∀x, y ∈ R vale que x ? y = x + y − 6 = y + x − 6 = y ? x, pela comutatividade
da soma + de R.
Existência do Elemento Neutro: ∀x ∈ R vale que

(x ? y = x ⇐⇒ x + y − 6 = x ⇐⇒ y = 6). Então x ? 6 = x ∀x ∈ R e não precisamos verificar a
”neutralidade pela esquerda”pois já sabemos que ? é comutativa (e portanto 6 ? x = x ? 6 = x).
Existência dos Simétricos: ∀x ∈ R vale que:
(x ? x0 = e ⇐⇒ x + x0 − 6 = 6 ⇐⇒ x0 = 12 − x), e também
(x0 ? x = e ⇐⇒ x0 + x − 6 = 6 ⇐⇒ x0 = 12 − x). Logo, dado x ∈ R seu simétrico é x0 = 12 − x
que está em R.

Note previamente que (Mn (R), ?) tem como elemento neutro a matriz identidade In .
Como a operação ? é a multiplicação usual de matrizes, é de se esperar que nem todo elemento
de Mn (R) possua simétrico (pois nem toda matriz é invertı́vel). Tome, por exemplo, a matriz
nula 0.
Suponha, por absurdo, que existe o simétrico A de 0. Neste caso, terı́amos In = A ? 0 = A · 0, mas
isso implicaria det(In ) = det(A · 0) = det(A) · det(0) = det(A) · 0 = 0, absurdo pois det(In ) = 1.
Portanto (Mn (R), ?) não satisfaz a propriedade da existência dos simétricos e portanto não é um
grupo.

? e a b c
e e a b c
a a b c e
b b c e a
c c e a b
Sessão 1.7
Considere Re(z) = x e Im(z) = y. Temos então:
p √
x2 + y 2 2 ≥ |x| + |y| ⇐⇒ 2(x2 + y 2 ) ≥ x2 + y 2 + 2|xy|
⇐⇒ x2 + y 2 ≥ 2|xy|
⇐⇒ x2 − 2|xy| + y 2 ≥ 0
⇐⇒ (|x| − |y|)2 ≥ 0.
Como vale que (|x| − |y|)2 ≥ 0 ∀x, y, conseguimos provar o que querı́amos.
Atenção: essa demonstração só é válida pois as implicações são “ ⇐⇒ ”. As implicações =⇒
são mais fáceis de verificar, porém as ⇐= devem ser verificadas a parte, e muitas vezes elas
não serão válidas! Partir de uma afirmação A e chegar a uma afirmação verdadeira B, não quer
dizer que A é necessariamente verdadeira!

Como i0 + i1 + i2 + i3 = 1 + i − 1 − i = i4 + i5 + i6 + i7 = · · · = 0,
100
X
ik = 0 + 0 + · · · + 0 + i100 = 1
k=0
Logo a = 1 e b = 0.

1+i 1+i 2+i 2 + i + 2i − 1 1 3
z= = = = + i
2−i 2−i 2+i 4+1 5 5
Capı́tulo 2
Espaços Vetoriais
Sessão 3.1
A1) Comutatividade ∀A, B ∈ Mn (R) vale que:
A + B = [aij + bij ] = [bij + aij ] = B + A, usando a comutatividade da soma + dos números reais.
A2) Associatividade: ∀A, B, C ∈ Mn (R) vale que:

(A + B) + C = [(aij + bij ) + cij ] = [aij + (bij + cij )] = A + (B + C), usando a associatividade da
soma + dos números reais.
A3) Elemento Neutro: Sei que para toda matriz A vale que:
(A + N = A ⇐⇒ [aij + nij ] = [aij ] ⇐⇒ aij + nij = aij ∀i, j ⇐⇒ nij = 0 ∀i, j ⇐⇒ N = 0).
Portanto se N é a matriz nula 0 então N é o elemento neutro do espaço vetorial (note que 0 ∈
Mn (R)).
A4) Elemento Simétrico: dada matriz A ∈ Mn (R) vale que:
(A + A0 = 0 ⇐⇒ [aij + a0ij ] = 0 ⇐⇒ aij + a0ij = 0 ∀i, j ⇐⇒ a0ij = −aij ⇐⇒ A0 = −A).
Portanto dada A seu simétrico aditivo é −A.
M1)Associatividade: ∀α, β ∈ R e ∀A ∈ Mn (R) vale que:
(αβ) · A = αβ · [aij ] = [(αβ)aij ] = [α(βaij )] = α · [βaij ] = α · (βA), onde usamos a associatividade
dos números reais.
M2) Distributividade para Adição de Elementos: ∀α ∈ R e ∀A, B ∈ Mn (R) vale que:
α · (A + B) = α · [aij + bij ] = [α(aij + bij )] = [αaij + αbij ] = [αaij ] + [αbij ] = α · A + α · B.
M3) Distributividade para a Multiplicação por Escalar: ∀α, β ∈ R e ∀A ∈ Mn (R) vale

que:
(α + β) · A = (α + β) · [aij ] = [(α + β)aij ] = [αaij + βaij ] = [αaij ] + [βaij ] = α · A + β · A.
M4) Elemento Identidade: ∀A ∈ Mn (R) vale que:
(e · A = A ⇐⇒ e · [aij ] = [aij ]) ⇐⇒ [eaij ] = [aij ] ⇐⇒ eaij = aij ∀i, j)
10
CAPÍTULO 2. ESPAÇOS VETORIAIS 11
Se supusermos e = 1 então temos eaij = aij ∀i, j e consequentemente (pela implicações ⇐= )

temos que e · A = A.
Portanto, provamos que (Mn (R), +, ·) é um espaço vetorial.

(V, ⊕, ) é um espaço vetorial e vou provar.
De fato, as propriedades seguem:
A1)Comutatividade: ∀x, y ∈ V vale que:
x ⊕ y = xy = yx = y ⊕ x, onde usamos a comutatividade do produto dos reais.
A2) Associatividade: ∀x, y, z ∈ V vale que:
(x ⊕ y) ⊕ z = (xy) ⊕ z pela definição de ⊕

= (xy)z pela definição de ⊕
= x(yz) pela associatividade do produto dos reais
= x(y ⊕ z) pela definição de ⊕
= x ⊕ (y ⊕ z) pela definição de ⊕
A3) Elemento Neutro: Sei que para todo x ∈ V vale que:

(x ⊕ e = x ⇐⇒ xe = x ⇐⇒ e = 1)
Portanto se e = 1 então e é o elemento neutro do espaço vetorial. Note que a segunda → só é
válida pois 0 6∈ V .
A4) Elemento Simétrico: dado x ∈ V vale que: (x ⊕ x0 = e ⇐⇒ xx0 = 1 ⇐⇒ x0 = x1 )
1
Portanto dado x ∈ V seu simétrico aditivo é x. Novamente a segunda → só é válida pois 0 6∈ V .
M1)Associatividade: ∀α, β ∈ R e ∀x ∈ V vale que:
(αβ) x = xαβ = (xβ )α = α (xβ ) = α (β x)
M2)Distributividade para Adição de Elementos: ∀α ∈ R e ∀x, y ∈ V vale que:

α (x ⊕ y) = α (xy) = (xy)α = xα y α = (α x) ⊕ (α y)
M3) Distributividade para a Multiplicação por Escalar: ∀α, β ∈ R e ∀x ∈ V vale que:
(α + β) x = xα+β = xα xβ = (α x)(β x) = (α x) ⊕ (β x)
M4) Elemento Identidade: ∀x ∈ V vale que:
(n x = x ⇐⇒ xn = x)
Note que a última sentença vale para todo x positivo se n = 1. Logo n = 1 ∈ V é o elementro
identidade da ação de multiplicação por escalar.
Portanto como são válidas as propriedades A1-A4,M1-M4 está provado que (V, ⊕, ) é um espaço
vetorial.

A1) Comutatividade: ∀x, y ∈ Z vale que:
A2) Associatividade: ∀x, y, z ∈ Z vale que:
x+y = (v1 , w1 ) + (v2 , w2 )

= (v1 + v2 , w1 + w2 ) pela definição da soma + em Z
= (v2 + v1 , w1 + w2 ) pois V é espaço vetorial
= (v2 + v1 , w2 + w1 ) pois W é espaço vetorial
= (v2 , w2 ) + (v1 , w1 ) pela definição da soma + em Z
= y+x
(x + y) + z = ((v1 + v2 , w1 + w2 )) + (v3 , w3 )
= ((v1 + v2 ) + v3 , (w1 + w2 ) + w3 ) pela definição da soma + em Z
= (v1 + (v2 + v3 ), w1 + (w2 + w3 )) pois V e W são espaços vetoriais
= (v1 , w1 ) + (v2 + v3 , w2 + w3 ) pela definição de + em Z
= x + (y + z) pela definição de + em Z
A3) Elemento Neutro: Sei que para todo x ∈ Z vale que:

x + e = x ⇐⇒ (v1 , w
 1 ) + (e1 , e2 ) = (v1 , w1 ) ⇐⇒ (v1 + e1 , w1 + e2 ) = (v1 , w1 ) ⇐⇒
v + e = v e = elemento neutro da soma de V
1 1 1 1
⇐⇒
w + e = w e = elemento neutro da soma de W
1 2 1 2
Sendo assim, ao tomarmos (e1 , e2 ) ∈ Z que é o par odenado formado pelo neutro de V e pelo
neutro de W , temos o elemento neutro de Z.
A4) Elemento Simétrico: dado x = (v1 , w1 ) elemento genérico de Z, vale que:

0 0 0 0 0
+ x = (e1 , e2 ) ⇐⇒ (v
x 1 , w1 ) + (v1 , w1 ) = (e1 , e2 ) ⇐⇒ (v1 + v1 , w1 + w1 ) = (e1 , e2 ) ⇐⇒
v + v 0 = e v 0 é o simétrico de v em V
1 1 1 1 1
⇐⇒
w + w 0 = e w0 é o simétrico de w em W
1 1 2 1 1
Então, dado x = (v1 , w1 ) seu simétrico em Z é (v10 , w10 ) como descrito acima.
OBS.: não é necessário mostrar v10 como e1 − v1 , pois A4 diz somente sobre a existência dos
simétricos, fato que é garantido por V, W serem espaços vetoriais.
M1) Associatividade: ∀α, β ∈ R e ∀x ∈ Z vale que:

(αβ)x = (αβ)(v1 , w1 ) = ((αβ)v1 , (αβ)w1 ) = (α(βv1 ), α(βw1 )), onde usamos que V, W possuem
multiplicação por escalar associativa.
M2) Distributividade para Adição de Elementos: ∀α ∈ R e ∀x, y ∈ Z vale que:
α(x + y) = α(v1 + v2 , w1 + w2 ) = (α(v1 + v2 ), α(w1 + w2 )) = (αv1 + αv2 , αw1 + αw2 ) =
(αv1 , αw1 ) + (αv2 , αw2 ) = α(v1 , w1 ) + α(v2 , w2 ) = αx + αy, onde usamos o fato de que V e W são
espaços vetoriais.
M3) Distributividade para a Multiplicação por Escalar: ∀α, β ∈ R e ∀x ∈ Z vale que:
(α + β)x = (α + β)(v1 , w1 ) = ((α + β)v1 , (α + β)w1 ) = (αv1 + βv1 , αw1 + βw1 ) = (αv1 , αw1 ) +
(βv1 , βw1 ) = αx + βx, onde usamos novamente o fato de que V e W são ambos espaços vetoriais.
M4) Elemento Identidade: ∀x ∈ Z vale  que:
nv = v
1 1
nx = x ⇐⇒ (nv1 , nw1 ) = (v1 , w1 ) ⇐⇒
nw = w
1 1
Agora como ambos V e W são espaços vetoriais sobre o corpo F, temos que n = 1F satisfaz as
duas equações e, consequentemente, é também o elemento identidade da multiplicação por esca-
lar do espaço Z.
Sessão 3.2
Preciso provar que i)H 6= ∅; ii) H é fechado pela soma e iii) H é fechado pela multiplicação por
escalar.
i): Note que (0, · · · , 0) ∈ H, pois c1 · 0 + · · · + cn · 0 = 0 =⇒ (0, · · · , 0) ∈ H =⇒ H 6= ∅.
ii): Dados (x1 , · · · , xn ), (y1 , · · · , yn ) ∈ H quero mostrar que (x1 , · · · , xn ) + (y1 , · · · , yn ) ∈ H.

De fato, (x1 , · · · , xn )+(y1 , · · · , yn ) = (x1 +y1 , · · · , xn +yn ) e vale que c1 ·(x1 +y1 )+· · ·+cn ·(xn +
yn ) = (c1 ·x1 +· · ·+cn ·xn )+(c1 ·y1 +· · ·+cn ·yn ) = 0+0 = 0 =⇒ (x1 , · · · , xn )+(y1 , · · · , yn ) ∈ H.
iii): Analogamente, dado (x1 , · · · , xn ) ∈ H e dado λ ∈ R quero mostrar que λ · (x1 , · · · , xn ) ∈ H.
De fato λ · (x1 , · · · , xn ) = (λ · x1 , · · · , λ · xn ) e vale que c1 · (λx1 ) + · · · + cn · (λxn ) = λ · (c1 x1 +
· · · + cn xn ) = λ · 0 = 0 =⇒ λ · (x1 , · · · , xn ) ∈ H.
Portanto, de i), ii) e iii), está provado.
OBS.: Note que é essencial provarmos que H 6= ∅, pois o conjunto vazio satisfaz ii) e iii) mas
não é um espaço vetorial!

R1
i) S 6= ∅: Note que f = 0C([0,1]) ∈ S, pois 0 dx = 0. Logo 0C([0,1]) ∈ S e S 6= ∅.
0
R1 R1
ii) S é fechado pela soma: Dados f, g ∈ S, temos que 0 (f (x) + g(x))dx = 0 f (x)dx +
R1
0
g(x)dx = 0 + 0 = 0, pois ambas pertencem a S.
R1
iii) S é fechado pela multiplicação por escalar: Dada f ∈ S e dado λ ∈ R, 0 λf (x)dx =
R1
λ 0 f (x)dx = λ · 0 = 0, pois f ∈ S.
Portanto, de i), ii), e iii) está provado que S é subespaço vetorial de C([0, 1]).

t
Note que a matriz nula 0 satisfaz 0 = 0 = −0, logo 0 ∈ U, W e portanto U, W 6= ∅.
i)U é fechado pela soma: ∀A, B ∈ U vale que
(A + B)t = At + B t = (A + B), pois A e B estão em U . Portanto A + B ∈ U .
ii)U é fechado pela multiplicação por escalar: Dado A ∈ U e λ ∈ R temos que (λA)t =
λAt = λA, portanto λA ∈ U .
E segue que U é um subespaço vetorial de Mn (R).
Análogo para W .

S não é um subespaço vetorial de R2 pois não possui elementro neutro da adição.
De fato, suponha por absurdo que ∃e ∈ S tal que v + e = e + v = v ∀v ∈ S. Como v é um
elemento genérico de S, pode ser escrito da seguinte forma: v = α(1, 2)+(3, 2) = (α, 2α)+(3, 2) =
(α + 3, 2α + 2). Logo temos que
 v + e = (α + 3, 2α + 2) + (e1 , e2 ) = (α + 3 + e1 , 2α + 2 + e2 ) = v, e
α + 3 + e = α + 3
1
isto acontece se e somente se . O que nos leva a e1 = 0 = e2 , e portanto
2α + 2 + e = 2α + 2
2
e = (0, 0). Absurdo, pois supomos e ∈ S mas (0, 0) 6∈ S.
OBS.: Note que sempre vale que se S ⊆ V é um subespaço vetorial de V e que se e ∈ V é o
elemento neutro de V , então necessariamente o elemento neutro de S também é e. Pela unici-
dade deste elemento em V pode-se provar que se e ∈ V não está em S então S não pode ser um
subespaço vetorial.
Sessão 3.3
" #
x y
Seja A = matriz genérica 2 × 2. Então A ∈ U ⇐⇒ x − y − z = 0 ⇐⇒ x = y + z, logo
z t
" #
y+z y
todos elementos de U são da forma A = . Então temos 3 graus de liberdade para
z t
formar o subespaço U (isso significa exatamente que a dimensão de U é 3). Agora, para achar o
sistema
" de geradores
# de "
U basta #fatorar
" A pelas
# variáveis
" restantes.
# Isto é:
y+z y 1 1 1 0 0 0
A= =y· +z · +t ·
z t 0 0 1 0 0 1
| {z } | {z } | {z }
A1 A2 A3
Logo todo elemento de U é combinação linear de A1 , A2 , A3 e portanto S = {A1 , A2 , A3 } é um
sistema de geradores para o subespaço vetorial U .
OBS.: Para provar a igualdade de conjuntos U = [S] temos que provar que todo elemento de U
está em [S] "e que todo elemento
# de [S] está em U . E afirmar que “todos elementos de U são da
y+z y
forma A = ” é dizer apenas que todo elemento de U está em [S]. Mas a recı́proca
z t
dessa afirmação (que completa o que queremos provar) está implicitamente" provada pois # sabe-
y+z y
mos que A ∈ U ⇐⇒ x = y + z, logo se uma matriz é da forma A = então
z t
automaticamente essa matriz está em U (usando a implicação ⇐= ), o que prova que todo
elemento de [S] está em U .

   
1 6
Aqui usamos o abuso de notação de que u =  2  e que v = −3.
   
−8 −2
Denote o espaço gerado pelas colunas da matriz A por U = [A1 , A2 ]
   
4 2
onde A1 = 1 e A2 = 5.
   
0 2
Agora, sabemos que:
u ∈ [A1 , A2 ] ⇐⇒ Existem escalares c1 , c2 tais que u= c1 A1 + c2 A2
4c + 2c2 = 1
       
1 4c1 2c2 4c1 + 2c2

 1


⇐⇒  2  =  c1  + 5c2  =  c1 + 5c2  ⇐⇒ c1 + 5c2 = 2
       

−8 0 2c2 2c2

2c = −8

2
Então para verificar se u está no subespaço, basta verificar se o sistema de equações possui solução
para c1 e c2 . E ao tentar resolver o sistema notamos que ele é um sistema impossı́vel, portanto
u 6∈ U .
Analogamente para v sabemos que 
4c + 2c2 = 6
   
6 4c1 + 2c2

 1


v ∈ [A1 , A2 ] ⇐⇒ −3 =  c1 + 5c2  ⇐⇒ c1 + 5c2 = −3
   

−2 2c2

2c = −2

2
E como c1 = 2 e c2 = −1 resolve o sistema, concluı́mos que v ∈ U .

Tenho que mostrar que W = [A1 , A2 , A3 ]. !
x y
Considere uma matriz genérica A = . Sabemos que:
z t

! ! 

 x=x
t x y x z 
A ∈ W ⇐⇒ A = A ⇐⇒ = ⇐⇒ y = z
z t y t 


t = t
! ! ! !
x y 1 0 0 0 0 1
Portanto A ∈ W ⇐⇒ A = =x +t +y
y t 0 0 0 1 1 0
⇐⇒ A = xA1 + tA2 + yA3 ⇐⇒ A ∈ [A1 , A2 , A3 ]
E consequentemente W = [A1 , A2 , A3 ].
Sessão 3.4
Para facilitar nosso trabalho, vamos determinar separadamente um sistema de geradores para U
e um sistema de geradores para W .
Geradores de U :
Dado v = (x, y, z, t) elemento genérico de R4 , então v ∈ U
⇐⇒ x + y = 0 e z − t = 0 ⇐⇒ x = −y e z = t ⇐⇒ v = (−y, y, t, t)
Logo v = y(−1, 1, 0, 0) + t(0, 0, 1, 1) e U = [(−1, 1, 0, 0), (0, 0, 1, 1)].
| {z } | {z }
u1 u2
Geradores de W :
Dado v = (x, y, z, t) elemento genérico de R4 , então v ∈ W ⇐⇒ x − y − z + t = 0
⇐⇒ x = y + z − t ⇐⇒ v = (y + z − t, y, z, t)
Logo v = y(1, 1, 0, 0) + z(1, 0, 1, 0) + t(−1, 0, 0, 1) e W = [(1, 1, 0, 0), (1, 0, 1, 0), (−1, 0, 0, 1)].
| {z } | {z } | {z }
w1 w2 w3
4
(a) Dado v = (x, y, z, t) elemento genérico de R , então v ∈ U ∩ W ⇐⇒ v ∈ U e v ∈ W .
Portanto existem escalares a1 , a2 , b1 , b2 , b3 tais que:
v = a1 (−1, 1, 0, 0) + a2 (0, 0, 1, 1), pois v ∈ U ; e
v = b1 (1, 1, 0, 0) + b2 (1, 0, 1, 0) + b3 (−1, 0, 0, 1), pois v ∈ W .
Daı́, a1 u1 + a2 u2 = b1 w1 + b2 w2 + b3 w3 , ou seja:
(−a1 , a1 , a2 , a2 ) = (b1 + b2 − b3 , b1 , b2 , b3 )



 −a1 = b1 + b2 − b3



a = b
1 1
Logo temos o sistema , e vamos resolvê-lo para a1 , a2 (poderı́amos ter


 a2 = b2



a = b
2 3
escolhido resolvê-lo para b1 , b2 , b3 ).
Note que a1 = 0 e a2 = b2 é uma solução para o sistema pois satisfaz todas as equações (se
escolhermos as variáves ai , as constanstes bi podem ser qualquer valor fixo).
Substituindo os valores de a1 , a2 que resolvem o sistema (i.e, os valores de a1 , a2 para os quais v
além de estar em U também está em W ), obtemos:
v = b2 (0, 0, 1, 1)
E consequentemente U ∩ W = [(0, 0, 1, 1)].
(b) Dado v = (x, y, z, t) elemento genérico de R4 , então v ∈ U + W ⇐⇒ v = u + w para algum

u ∈ U e w ∈ W.
Logo, v ∈ U + W se (e somente se) existem escalares a1 , a2 , b1 , b2 , b3 tais que
v = a1 u1 + a2 u2 + b1 w1 + b2 w2 + b3 w3
| {z } | {z }
u w
E isso é a mesma coisa que dizer U + W = [u1 , u2 , w1 , w2 , w3 ].

(c) U + W é soma direta se U ∩ W = {0R4 }.
Mas como vimos na letra (a), U + W = [(0, 0, 1, 1)] 6= {0R4 }.
Portanto não é uma soma direta.

R3 = U ⊕ W se: i)U ∩ W = {0R3 } e ii) R3 = U + W .
i) Como U = [(1, 0, 0)] e W = [(1, 1, 0), (0, 1, 1)], então v ∈ U ∩ W ⇐⇒ existem escalares
a1 , b1 , b2 tais que v = a1 (1, 0, 0) e v = b1 (1, 1, 0) + b2 (0, 1, 1)
Logo a
1 (1, 0, 0) = b1 (1, 1, 0) + b2 (0, 1, 1) =⇒ (a1 , 0, 0) = (b1 , b1 + b2 , b2 ).
 a = b1
 1


Então 0 = b1 + b2 , e resolvendo para a1 obtemos a única solução a1 = 0.



0 = b
2
Consequentemente v = 0(1, 0, 0) = (0, 0, 0) e U ∩ W = {(0, 0, 0)}.
OBS.: obtemos que (0, 0, 0) ∈ U ∩ W pois a1 = 0 é solução do sistema e obtemos que na verdade
esse é o único elemento do subespaço pois a solução do sistema é única.
ii) Por construção equivalente ao exercı́cio 3.23b temos que U + W = [(1, 0, 0), (1, 1, 0), (0, 1, 1)].
Agora, para provar que R3 = U + W devemos provar que U + W ⊆ R3 e que R3 ⊆ U + W .
A primeira inclusão se deve ao fato de que R3 é um espaço vetorial e, portanto, combinações li-
neares de seus elementos ainda pertencem ao espaço vetorial.
Para mostrar que a segunda inclusão é válida devemos mostrar que todo elemento de R3 está
em U + W . Isto é, dado v = (x, y, z) ∈ R3 preciso encontrar escalares a1 , b1 , b2 que satisfazem
v = a1 u1 + b1 w1 + b2 w2 . 
x = a1 + b1



Então temos, (x, y, z) = (a1 + b1 , b1 + b2 , b2 ) ⇐⇒ y = b1 + b2



z = b
2
E preciso resolver o sistema para as variáveis a1 , b1 , b2 , pois caso eu mostre que existe uma solução
para essas variáveis então existem escalares
 satisfazendo o que foi pedido.
 b2 = z



Resolvendo o sistema, obtemos a solução b1 = y − z


a = x − y + z

1
E portanto mostramos que (x, y, z) = (x − y + z)(1, 0, 0) + (y − z)(1, 1, 0) + z(0, 1, 1), logo
v = (x, y, z) está em U + W .

Preciso mostrar que: i) U ∩ W = {0Mn (R) } e ii) U + W = Mn (R).
i) Dada matriz genérica A = [aij ], então A ∈ U ∩ W ⇐⇒ A ∈ U e A ∈ W .
E temos que:
A ∈ U ⇐⇒ At = A ⇐⇒ aji = aij ∀i, j; e
t
A ∈ W ⇐⇒ A = −A ⇐⇒ aji = −aij ∀i, j.
a = a
ij ji
Portanto se A = [aij ] está na interseção devemos ter
a = −a
ij ji
Mas isso só acontece se aij = 0 ∀i, j, e portanto A = 0Mn (R) .
Então concluı́mos que U ∩ W = {0Mn (R) }.
ii) Dada matriz genérica A = [aij ], tenho que mostrar que existe uma matriz simétrica e uma
matriz antissimétrica tais que A é a soma das duas.
Agora definimos (a partir da matriz dada A) duas matrizes B e C da seguinte maneira:
aij + aji
B = [bij ], com bij := ∀i, j
2
aij − aji
C = [cij ], com cij := ∀i, j
2
Note que bij = bji e cij = −cji ∀i, j; e além disso aij = bij + cij , o que implica que
A=B+C
OBS.: Na parte ii) poderı́amos ter tentado exibir os geradores de U e de W e prosseguido de
forma similar à parte ii) do exercı́cio 3.24. Porém, por não sabermos o valor de n, fica difı́cil exi-
bir “concretamente” os geradores de U e W . Segue
 outra solução possı́vel nesse sentido:
1, se m = i e n = j
Definimos uma matriz Eij = [emn ] com emn := .
0, caso contrário
Agora considere a matriz Bij := Eij + Eji .
Observe que Bij é simétrica ∀i, j e que, além disso,
SU = {Bij |i ≤ j}
é um conjunto de geradores de U .
Analogamente definimos Cij := Eij − Eji e obtemos que
SW = {Cij |i < j}
é um conjunto de geradores de W .
Logo U + W = [SU ∪ SW ] e podemos (exaustivamente) terminar a prova por esse caminho obser-
1
vando que Eij = 2 · (Bij + Cij ) e portanto A pode ser (exaustivamente) escrita como combinação
linear de elementos de SU ∪ SW .

U ∪ W não é um subespaço vetorial de R2 e vou provar.
De fato, ao considerarmos u = (1, 3) ∈ U e w = (1, −2) ∈ W temos que u+w 6∈ U ∪W (desenhe!),
pois u + w = (2, 1) e 1 6= 3 · 2 (portanto não está em U ) e também 1 6= −2 · 2 (portanto não está
em W ). Logo u + w 6∈ U ∪ W , e portanto U ∪ W não é fechado pela soma, logo não é subespaço
vetorial.
OBS.: Note que U ∪ W é fechado pela multiplicação por escalar.

O sistema possui como conjunto solução S = {(x, y, z) ∈ R3 |x = − 27 z e y = 32 z}.
Note que:
i) S 6= ∅ pois (0, 0, 0) ∈ S
ii) Dados
 v1 = (x1 , y1 , z1 ) e v2 = (x2 , y2 , z2 ) elementos de S, v1 + v2 = (x1 + x2 , y1 + y2 , z1 + z2 ) é
x + x = −7/2z − 7/2z = − 7 (z + z )
1 2 1 2 2 1 2
tal que .
y + y = 3/2z + 3/2z = 3 (z + z )
1 2 1 2 2 1 2
Logo v1 + v2 ∈ S. 
αx = α(−7/2z ) = − 7 (αz )
1 1 2 1
iii) Dados α ∈ R e v1 ∈ S, αv1 = (αx1 , αy1 , αz1 ) satisfaz .
αy = α(3/2z ) = 3 (αz )
1 1 2 1
Logo αv1 ∈ S.
De i), ii) e iii) provamos que S é um subespaço vetorial.
Agora vamos determinar um sistema de geradores para S ∩ U .
Note primeiro que S = [(−7/2, 3/2, 1)] = [(−7, 3, 2)] e que U = [(1, 1, 0), (−1, 0, 1)].
Agora temos que v ∈ S ∩ U ⇐⇒ v ∈ S e v ∈ U .
se (e somente se) ∃s1 , u1 , u2 ∈ R tais que s1 (−7, 3, 2) = u1 (1, 1, 0) + u2 (−1, 0, 1).
Isso acontece 


 −7s1 = u1 − u2

Então temos 3s1 = u1 ⇐⇒ s1 = 0.



2s = u
1 2
E consequentemente S ∩ U = {(0, 0, 0)}.
Sessão 3.5
(a) O conjunto não é L.I. pois
x2 + 2x + 1 = 1 · (x2 ) + 2 · (x − 1) + 3 · (1)
(b) O conjunto não é L.I. pois
2x3 − x2 = 2 · (x3 ) − 1 · (x2 − x) − 1 · (x)


Suponha que existem escalares c1 , c2 , c3 , c4 tais que c1 (1, 0, 0, −1) + c2 (0, 1, 0, 1) + c3 (0, 0, 1, 1) +
c4 (1, 0, 0, 1) = 0R4 .
Entãotemos que (c1 + c4 , c2 , c3 , −c1 + c2 + c3 + c4 ) = (0, 0, 0, 0).


 c1 + c4 = 0



c = 0
2
Logo


 c3 = 0


−c + c + c + c = 0

1 2 3 4
que possui somente a solução trivial c1 = c2 = c3 = c4 = 0.
Portanto, provamos que o conjunto {(1, 0, 0, −1), (0, 1, 0, 1), (0, 0, 1, 1), (1, 0, 0, 1)} é L.I.

Primeiro vamos mostrar que S = {f, g} é L.D. em i)C([−1, 0]) e em ii)C([0, 1]).
i): Suponha que existem escalares c1 , c2 tais que
c1 f + c2 g = 0C([−1,0])
Como temos uma igualdade de funções isso implica que o lado esquerdo se anula em todo x ∈
[−1, 0]. E observe que neste intervalo g(x) = |x| = −x e portanto:
0 = c1 f (x) + c2 g(x) = c1 x − c2 x = (c1 − c2 )x ∀x ∈ [−1, 0]
E como temos uma igualdade de polinômio, isso implica que c1 − c2 = 0 =⇒ c1 = c2 .

Portanto não conseguimos concluir que c1 = c2 = 0. Por exemplo, c1 = c2 = 1 são tais que
c1 f + c2 g = 0C([−1,0]) e logo S = {f, g} é L.D. neste espaço vetorial.
ii)Analogamente concluı́mos que c1 = 1 e c2 = −1 são tais que
c1 f + c2 g = 0C([0,1])
O que implica que S = {f, g} é L.D. em C([0, 1]).
Agora, provemos que S = {f, g} é L.I. em C([−1, 1]).

Suponha que existem escalares c1 , c2 tais que
c1 f + c2 g = 0C([−1,1])
Issso implica que 0 = c1 f (x) + c2 g(x) = c1 x + c2 |x| ∀x ∈ [−1, 1].

Agora, se restringirmos a igualdade para o intervalo [−1, 0] temos que
0 = c1 x + c2 |x| = c1 x − c2 x = (c1 − c2 )x =⇒ c1 − c2 = 0 =⇒ c1 = c2 (F)

E se restringirmos a igualdade para o intervalo [0, 1] temos
0 = c1 x + c2 |x| = c1 x + c2 x = (c1 + c2 )x =⇒ c1 + c2 = 0 =⇒ c1 = −c2 (♥)
De ♥ e F concluı́mos que c1 = c2 = 0, e consequentemente S = {f, g} é L.I. em C([−1, 1]).

Se S = {v1 , v2 } é L.D. então existem escalares não todos nulos c1 , c2 tais que c1 v1 + c2 v2 = 0.
−c2
Como pelo menos um dos escalares é não nulo, digamos c1 6= 0, temos que v1 = c 1 v2 .
Sessão 3.6
Primeiro acharemos os geradores de W .  
a11 a12 a13
Uma matriz genérica de W ⊆ M3 (R) é da forma A = a12 a22 a23 . Logo temos:
 
a13 a23 a33

           
1 0 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0
A = a11 0 0 0 +a12 1 0 0 +a13 0 0 0 +a22 0 1 0 +a23 0 0 1 +a33 0 0 0
           
0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1
| {z } | {z } | {z } | {z } | {z } | {z }
A1 A2 A3 A4 A5 A6
E consequentemente S = {A1 , A2 , A3 , A4 , A5 , A6 } é um conjunto de geradores para W .

Agora, para saber se S é uma base de W precisamos apenas verificar se S é L.I., o que de fato
acontece pois:
Supondo escalares c1 , c2 , c3 , c4 , c5 , c6 tais que
c1 A1 + c2 A2 + c3 A3 + c4 A4 + c5 A5 + c6 A6 = 0
chegamos num sistema de equações com única solução c1 = c2 = c3 = c4 = c5 = c6 = 0. E

portanto S é L.I.
E como provamos que S é um conjunto de geradores L.I., encontramos a base S para o subespaço
W.

" #
x y
Seja A = matriz genérica 2 × 2. Então A ∈ U ⇐⇒ x − y − z = 0 ⇐⇒ x = y + z, logo
z t
" #
y+z y
todos elementos de U são da forma A = . Agora, para achar o sistema de geradores
z t
de U basta fatorar A pelas variáveis restantes. Isto é:
" # " # " # " #

y+z y 1 1 1 0 0 0
A= =y· +z · +t ·
z t 0 0 1 0 0 1
| {z } | {z } | {z }
A1 A2 A3
Logo todo elemento de U é combinação linear de A1 , A2 , A3 e portanto U = [A1 , A2 , A3 ].
E também podemos verificar que S = {A1 , A2 , A3 } é um 
conjunto L.I., pois:
c1 + c2 = 0


" # " # " # 


c = 0
1 1 1 0 0 0 1
c1 · +c2 · +c3 · = 0M2 (R) =⇒ =⇒ c1 = c2 = c3 = 0.
0 0 1 0 0 1 

 c2 = 0



c = 0
3
Portanto, como S gera U e é L.I., temos que S é uma base de U .

Encontremos primeiro os geradores de U .
Seja p(x) = a + bx + cx2 polinômio genérico de P2 (R). Então p(x) ∈ U
⇐⇒ a − 2c = 0 ⇐⇒ a = 2c.
Então a forma genérica de um elemento de U é p(x) = 2c + bx + cx2 = c(2 + x2 ) + b(x) e,
consequentemente, temos U = [2 + x2 , x].
Agora, como W = [1 − x, x − x2 ], podemos concluir que S = {2 + x2 , x, 1 − x, x − x2 } é um
conjunto de geradores de U + W . Mas S não é uma base de U + W pois, como veremos a seguir,
é um conjunto L.D..
De fato, supondo escalares k1 , k2 , k3 , k4 tais que
k1 (2 + x2 ) + k2 (x) + k3 (1 − x) + k4 (x − x2 ) = 0P2 (R) ,


 2k + k3 = 0
 1


obtemos (2k1 + k3 ) + (k2 − k3 + k4 )x + (k1 − k4 )x2 = 0P2 (R) e portanto k2 − k3 + k4 = 0 (?).


k − k = 0

1 4
Que possui como solução geral k1 = k4 , k2 = −3k4 e k3 = −2k4 . Isso significa que ao tomarmos
k4 = 1 obtemos:
(2 + x2 ) − 3x − 2(1 − x) + (x − x2 ) = 0 =⇒ (x − x2 ) = (−1) · (2 + x2 ) + 3 · x + 2 · (1 − x)
Logo x − x2 pode ser expresso como combinação linear dos outros 3 elementos.
E então S 0 = {2 + x2 , x, 1 − x} também gera U + W . Agora, verificamos que S’ é L.I..
Supondo escalares k1 , k2 , k3 tais que 0 = k1 (2+x2 )+k2 x+k3 (1−x) = (2k1 +k3 )+(k2 −k3 )x+k1 x2 ,
obtemos apenas a solução trivial k1 = k2 = k3 = 0.
Portanto S 0 é uma base de U + W .
OBS.: O fato do sistema (?) ter solução geral com apenas 1 grau de liberdade está intimamente
ligado com o fato do conjunto S ter apenas 1 elemento que é combinação linear dos outros. Isto
é, podemos escolher qual dos elementos na equação vamos expressar como combinação linear dos
outros, porém ao retirá-lo de S não encontraremos outro elemento que seja combinação linear
dos restantes.

Dizemos que um conjunto ϕ de condições são condições necessárias e suficientes para que
dim(U ∩ W ) = dim(W ) quando temos “ϕ ⇐⇒ dim(U ∩ W ) = dim(W )”.
Agora, sabemos que se W ⊆ U então temos U ∩ W = W e portanto concluı́mos que W ⊆ U =⇒
dim(U ∩ W ) = dim(W ).
Caso a volta ⇐= seja válida, encontramos o que querı́amos.
E de fato a recı́proca é válida.
Supondo dim(U ∩ W ) = dim(W ) vamos provar W ⊆ U .
Por absurdo, se fosse W 6⊆ U então existiria um elemento não-nulo w ∈ W tal que w 6∈ U .
Porém isso implicaria que para todo escalar λ 6= 0, λw 6∈ U (pois U é espaço vetorial). Com isso
terı́amos que dim(U ∩ W ) < dim(W ), absurdo! Logo dim(U ∩ W ) = dim(W ) =⇒ W ⊆ U .

Seja S = {p1 (x), p2 (x), p3 (x), p4 (x)}. Precisamos mostrar que i) P3 (R) = [S] e que ii) S é L.I..
i) Seja p(x) = a + bx + cx2 + dx3 polinômio genérico de P3 (R). Preciso mostrar que existem
escalares k1 , k2 , k3 , k4 tais que p(x) = k1 p1 (x) + k2 p2 (x)k3 p3 (x) + k4 p4 (x). E isso acontece se, e
somente se:
a + bx + cx2 + dx3 = (k1 + k2 + k3 + k4 ) + (k2 − k4 )x + (−k3 − k4 )x2 − k4 x3




k1 + k2 + k3 + k4 = a


k − k = b

2 4
Que é equivalente a dizer que .


−k3 − k4 = c


−k = d

4

k1 = a − b + c + d




k = b − d

2
Note que é uma solução do sistema e portanto temos os coeficientes da
k = d − c

 3


k = −d

4
combinação linear desejada. Logo P3 (R) = [S].
ii) Supondo escalares k1 , k2 , k3 , k4 tais que k1 p1 (x) +k2 p2 (x)k3 p3 (x) + k4 p4 (x) = 0P3 (R) e igua-
k1 + k2 + k3 + k4 = 0




k − k = 0

2 4
lando coeficiente a coeficiente chegamos no sistema .
−k3 − k4 = 0




−k = 0

4
Que possui somente a solução trivial k1 = k2 = k4 = 0. Portanto S é L.I..
Como provamos que S gera P3 (R) e que é L.I., provamos que S é uma base de P3 (R).

Precisamos mostrar que: i) V ∩ W = {0R3 } e ii) R3 = V + W .
i) Como V 6⊆ W , existe um elemento v ∈ V que não pertence a W . Com isso temos que todo
1
múltiplo λv não-nulo de v também não está em W , pois caso contrário terı́amos que v = λ λv ∈
W (pois W é subespaço vetorial).
Mas como dim(V ) = 1 isso implica que todo elemento não-nulo de V não pertence a W . E como
0R3 ∈ W , segue que V ∩ W = {0R3 }.
ii) Seja A = {w1 , w2 } uma base de W e B = {v1 } uma base de V .

Então temos que A ∪ B = {w1 , w2 , v1 } é L.I..
De fato, supondo escalares c1 , c2 , c3 tais que:
c1 w1 + c2 w2 + c3 v1 = 0
Temos que c3 v1 = −c1 w1 − c2 w2 . Agora, se c3 6= 0 terı́amos que v1 é combinação linear de w1 e

w2 (que sabemos que não é verdade); logo c3 = 0. Mas isso implica que c1 w1 + c2 w2 = 0, e como
sabemos que A = {w1 , w2 } é L.I. (pois é base) temos que c1 = c2 = 0 = c3 .
E portanto dim(U + W ) = dim([A ∪ B]) = 3.
Mas como dim(R3 ) = 3 e U + W ⊆ R3 segue que U + W = R3 .

Note que (−1, 1, 0, 1) = −2(1, 2, 1, 0) + (1, 5, 2, 1) e disso chegamos a dim(U ∩ W ) = 2.
Então, como diz o Teorema 3.6.5:
dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W ) = 3 + 3 − 2 = 4
Uma segunda maneira de resolver esse exercı́cio é a seguinte:

Como U ⊆ U + W ⊆ R4 , segue que 3 ≤ dim(U + W ) ≤ 4.
Finalmente, dim(U + W ) também não pode ser igual a 3; pois caso contrário terı́amos 3 =
dim(U + W ) = dim(U ) = dim(W ) =⇒ U = U +W = W =⇒ U ∩ W = U , que é
um absurdo pois dim(U ∩ W ) = 2.
Portanto só podemos ter dim(U + W ) = 4.

Note que:
u
z }|2 {
U = [(0, 1, 0), (0, 0, 1)]
| {z }
u1
v
z }|2 {
V = [(1, 0, 0), (0, 1, 2)]
| {z }
v1
w
z }|2 {
W = [(1, 1, 0), (0, 0, 2)]
| {z }
w1
i) Então V +W = [v1 , v2 , w1 , w2 ]. Agora precisamos achar um subconjunto L.I. de {v1 , v2 , w1 , w2 }.

Supondo escalares c1 , c2 , c3 , c4 tais que c1 v1 + c2 v2 + c3 w1 + c4 w2 = 0 chegamos ao sistema:

 c + c3 = 0
 1


c2 + c3 = 0



2c + 2c = 0
2 4
Que possui solução geral c1 = −c3 , c2 = −c3 e c4 = c3 .

Voltando na combinação linear descobrimos que (colocando c3 = 1) w2 = v1 +v2 −w1 . E podemos
verificar que {v1 , v2 , w1 } é L.I. e, portanto, uma base de V + W .
ii) Agora, temos que U + V + W = [u1 , u2 , v1 , v2 , w1 , w2 ]. Analogamente supondo escalares
c1 , c2 , c3 , c4 , c5 , c6 tais que c1 u1 + c2 u2 + c3 v1 + c4 v2 c5 w1 + c6 w2 = 0 chegamos ao sistema:

c + c5 = 0
 3


c1 + c4 + c5 = 0



c + 2c + 2c = 0
2 4 6
Que possui solução geral c1 = −c4 − c5 , c2 = −2c4 − 2c6 e c3 = −c5 .

Substituindo na combinação linear
• c4 = 0 e c5 = c6 = 1
• c5 = 0 e c4 = c6 = 1
• c6 = 0 e c4 = c5 = 1
obtemos, respectivamente:
• w1 = u1 + 2u2 + v1 − w2
• w2 = u1 + 4u2 − v2
• v2 = 2u2 + 2u2 + v1 − w1
E portanto U + V + W = [u1 , u2 , v1 ]. Podemos verificar que {u1 , u2 , v1 } é L.I. e portanto uma

base de U + V + W .
iii): Seja v = (x, y, z) elemento genérico de R3 . Então v ∈ U ∩ V ⇐⇒ v ∈ U e v ∈ V . Logo
existem escalares c1 , c2 , d1 , d2 tais que
c1 u1 + c2 u2 = d1 v1 + d2 v2
Isso equivale a (0, c1 , c2 ) = (d1 , d2 , 2d2 ).

Como d1 = 0, d2 = c1 resolve o sistema de 3 equações que obtemos da linha de cima, segue que
v = c1 (0, 1, 2) e portanto U ∩ V = [(0, 1, 2)]. Logo {(0, 1, 2)} é uma base para U ∩ V .
Sessão 3.7
 
c1
 
h i c2 
Temos que p =  c  onde c1 , c2 , c3 , c4 são os escalares que satisfazem

γ  3
c4
p(x) = c1 · (1) + c2 · (1 − x) + c3 · (1 − x)2 + c4 · (1 − x)3
Então, vamos encontrar tais escalares (existem pois γ é uma base).
Temos:
p(x) = 3 − 2x − x2 = c1 + c2 − c2 x + c3 − 2c3 x + c3 x2 + c4 − 3c4 x + 3c4 x2 − c4 x3 = (c1 + c2 + c3 +
c4 ) + (−c2 − 2c3 − 3c4 )x + (c3 + 3c4 )x2 − c4 x3
Como possuı́mos uma igualdade de polinômios temos que seus coeficientes devem coincidir.
Isto
 é:
c1 + c2 + c3 + c4 = 3




−c − 2c − 3c = −2

2 3 4
=⇒ c1 = c4 = 0, c2 = 4 e c3 = −1.


 c3 + 3c4 = −1


−c = 0

4
 
0
 
h i 4
Portanto p = 
−1.

γ  
0

 3 
h i 2
Temos que p =  1 , e pela definição de matriz de coordenadas isso nos leva a :
 
β
−1
3
p(x) = x + x2 = · (2) + 1 · (a + x) − 1 · (1 + bx2 )
2

0 = 2 + a



2 2 2
Logo temos que x + x = 3 + a + x − 1 − bx = (2 + a) + x − bx , daı́ 1 = 1 , que acontece


1 = −b

somente se a = −2 e b = −1.

(a) Precisamos mostrar que: i) V = [β] e ii)β é L.I..
i) Dado v elemento genérico de V , quero encontrar escalares c1 , c2 , c3 tais que v = c1 v1 + c2 (v1 +
v2 ) + c3 (−v1 + v2 + v3 ).
Porém, já sabemos que γ = {v1 , v2 , v3 } é uma base de V . Portanto sei que existem escalares
a1 , a2 , a3 tais que v = a1 v1 + a2 v2 + a3 v3 . Agora temos que:
v = c1 v1 + c2 (v1 + v2 ) + c3 (−v1 + v2 + v3 ) ⇐⇒ a1 v1 + a2 v2 + a3 v3 = c1 v1 + c2 (v1 + v2 ) + c3 (−v1 +
v2 + v3 ) = (c1 + c2 − c3 )v1 + (c2 + c3 )v2 + c3 v3 .

c + c2 − c3 = a1
 1


Agora verificaremos se conseguimos resolver o sistema c2 + c3 = a2 , pois então vamos



c = a
3 3
ter exibido os coeficientes que mostram v como combinação linear dos elementos de β.
E de fato conseguimos resolver o sistema, obtendo c3 = a3 , c2 = a2 − a3 e c1 = a1 − a2 + 2a3 como
solução.
Portanto concluı́mos que todo elemento de V pode ser escrito como combinação linear dos ele-
mentos de β. Isto é, V = [β].
ii) Suponha escalares c1 , c2 , c3 tais que
c1 v1 + c2 (v1 + v2 ) + c3 (−v1 + v2 + v3 ) = 0V
Então temos que (c1 + c2 − c3 )v1 + (c2 +c3 )v2 + c3 v3 = 0, e como γ = {v1 , v2 , v3 } é L.I. isso
 c + c2 − c3 = 0
 1


implica que necessariamente devemos ter c2 + c3 = 0 .



c = 0
3
O que implica que c1 = c2 = c3 = 0. E portanto β é L.I..
De i) e ii) provamos que β é uma base de V .

 
h i 2
(b) v = −1 =⇒ v = 2v1 − v2 + v3 .
 
γ
1
Usando os valores encontrados para os coeficientes da combinação linear dos elementos de β que
resulta em v, obtemos c3 = 1, c2 = −1 − 1 = −2 e c1 = 2 − (−1) + 2 · 1 = 5.
 
h i 5
Logo v = −2.
 
β
1
Sessão 3.8
Seja γ = {A1 , A2 , A3 } e β = {B1 , B2 , B3 }.
Por definição, a matriz de mudança de base de γ para β é:

 

h iγ h i h i h i 
I =  A1 A2 A3 
 
β  β β β


Calculemos então cada coluna separadamente.

Por definição,  
h i c1
A1 = c2 
 
β
c3
Onde os ci ’s são os coeficientes da combinação linear que expressa A1 na base β. Isto é, os coefi-
cientes tais que A1 = c1 B1 + c2 B2 + c3 B3 . Substituindo as matrizes que já conhecemos obtemos:
" # " # " # " # " #
1 0 1 1 1 0 0 0 c1 + c2 c1
= c1 + c2 + c3 =
1 0 0 0 1 0 0 1 c2 c3



 c1 + c2 = 1



c = 0
1
Que nos leva ao sistema , que possui solução c1 = c3 = 0 e c2 = 1.


 c2 = 1



c = 0
3
 
h i 0
Portanto A1 = 1.
 
β
0
h i h i
Analogamente calculamos A2 e A3 .
β β


c1 + c2 = 0


c = −1

1
A2 = c1 B1 + c2 B2 + c3 B3 ⇐⇒ ⇐⇒ c1 = −2, c2 = 1 e c3 = 0.
c2 = 1





c = 0
 3


 c1 + c2 = 0



c = 0
1
A3 = c1 B1 + c2 B2 + c3 B3 ⇐⇒ ⇐⇒ c1 = c2 = 0 e c3 = 1.


 c2 = 0



c = 1
3
   
h i −2 h i 0
Portanto A2 =  1  e A3 = 0.
   
β β
0 1
 
h iγ 0 1 0
E então I = −2 1 0.
 
β
0 0 1

 
···

h iβ h i h i 
Por definição, I =  v1
 · · · vn  .
γ  γ γ
···

Calculemos, por exemplo, a primeira coluna.
 
k1
h i .
v1 =  .
γ  . , onde os ki ’s são os coeficientes da combinação linear de γ que expressa v1 .
kn
Agora, para achar os ci ’s vamos representar primeiro v1 na base α e depois representar cada ele-
mento da base α na base γ. Isto é,
v1 = a11 u1 + · · · + an1 un
= a11 (c11 w1 + · · · + cn1 wn ) + · · · + an1 (c1n w1 + · · · + cnn wn )
Onde cij é a i-ésima coordenada de vj na base γ.

Observe que agora já temos v1 como combinação linear de elementos de γ, basta fazer o trabalho
manual de exibir os coeficientes.
Então temos:
v1 = a11 (c11 w1 + · · · + cn1 wn ) + · · · + an1 (c1n w1 + · · · + cnn wn )

= (a11 c11 + · · · + an1 c1n )w1 + · · · + (a11 cn1 + · · · + an1 cnn )wn
Fazendo o mesmo processo para todo vj ’s obtemos:
vj = a1j (c11 w1 + · · · + cn1 wn ) + · · · + anj (c1n w1 + · · · + cnn wn )

= (a1j c11 + · · · + anj c1n )w1 + · · · + (a1j cn1 + · · · + anj cnn )wn
h iβ
Agora temos explicitamente os valores das entradas de I .
γ
Por exemplo, a entrada m11 da matriz de mudança de base de β para γ será a primeira coorde-
nada de v1 na base γ.
n
P
Isto é, m11 = ak1 c1k
k=1
Por exemplo, a entrada m1j da matriz de mudança de base de β para γ será a primeira coorde-
nada de vj na base γ.
n
P
Isto é, m1j = akj c1k
k=1
Por exemplo, a entrada mij da matriz de mudança de base de β para γ será a i-ésima coorde-
nada de vj na base γ.
n
P n
P
Isto é, mij = akj cik = cik akj . Que é exatamente a definição do elemento originário do
k=1 k=1
produto das matrizes Q · P .
h iβ h iα h iβ
Isto é, I = Q · P = I I
γ γ α
Agora na segunda parte do exercı́cio, queremos provar que uma matriz de mudança de base
h iA
genérica I é invertı́vel.
B
h iB
Por definição I = In .
B
h iB h iA h iB h iA
Por outro lado In = I = I I . E portanto segue que I é invertı́vel com
B B A B
h iA h iB
( I )−1 = I .
B A
OBS.: A resolução da primeira parte deste exercı́cio é muito “conteira” e pesada de notações;
porém possui pouco conteúdo pragmaticamente relevante, embora seja importante para o desen-
volvimento teórico. Sendo assim, fica a seu critério a importância de tê-la compreendido “com-
pletamente”.

Considere α = {v1 , v2 }.  

h iγ h i h i 
Pela definição de matriz de mudança de base temos: I = 
 u1 α u2 .
α α

Sendo assim,
" # obtemos: " #
h i 1 h i 0
u1 = e u2 =
α 4 α −2
Logo u1 = v1 + 4v2 e u2 = −2v2 .
E portanto v2 = − 12 u2 = (1, −1) e v1 = u1 − 4v2 = (−3, 5).
" #
h i 1
Agora, se u = então u = v1 + 2v2 = (−1, 3).
α 2
Capı́tulo 3
Transformações Lineares
Sessão 4.2
Base para W :
Seja v = (x, y) elemento genérico de R2 . Então temos: 
2x − y = 3x
v ∈ W ⇐⇒ T (x, y) = 3(x, y) ⇐⇒ (2x − y, −x + 2y) = 3(x, y) ⇐⇒
−x + 2y = 3y
⇐⇒ x = −y
Logo v = (x, y) está em W se, e somente se, v = (−y, y) = y(−1, 1). Portanto W = [(−1, 1)] e
α = {(−1, 1)} é uma base para W .
Base para U :
Seja v = (x, y) elemento genérico de R2 . Então temos: 
2x − y = x
v ∈ U ⇐⇒ T (x, y) = (x, y) ⇐⇒ (2x − y, −x + 2y) = (x, y) ⇐⇒ ⇐⇒ x = y
−x + 2y = y
Logo v = (x, y) está em U se, e somente se, v = (y, y) = y(1, 1). Portanto U = [(1, 1)] e β =
{(1, 1)} é uma base para U .

O exercı́cio de determinar uma transformação linear satisfazendo certas condições é bastante
tı́pico e irá nos acompanhar até alguns capı́tulos a frente.
A frase da teoria que fundamenta a solução deste tipo de exercı́cio é a seguinte (Teorema 4.2.1):
“Uma transformação linear fica completamente determinada pelos seus valores numa base”
Sendo assim, nossa tarefa de criar uma transformação linear que satisfaça certas propriedades
será sempre executada dizendo o que acontece com tal transformação nos elementos de uma
base.
31
CAPÍTULO 3. TRANSFORMAÇÕES LINEARES 32
A solução desse exercı́cio é, em particular, mais direta.

Como α = {(1, 1), (1, −1)} é uma base de R2 , existe somente uma transformação linear T satisfa-
zendo as duas condições. Então econtremos sua fórmula.
Dado v = (v1 , v2 ) elemento genérico de R2 , vamos encontrar primeiro suas coordenadas na base
α.

a + b = v
1 v1 +v2 v1 −v2
(v1 , v2 ) = a(1, 1) + b(1, −1) = (a + b, a − b) =⇒ =⇒ a = 2 eb= 2 .
a − b = v
2
v1 +v2 v1 −v2
Portanto (v1 , v2 ) = 2 (1, 1) + 2 (1, −1), e aplicando T dos dois lados obtemos:
v1 + v2 v1 − v2 v1 + v2 v1 − v2
T (v1 , v2 ) = T ( (1, 1) + (1, −1)) = T (1, 1) + T (1, −1)
2 2 2 2
pois T é linear.
v1 +v2 2 v1 −v2 3
Agora para T satisfazer as duas condições devemos ter T (v1 , v2 ) = 2 (x − 1) + 2 (x + 1)
e consequentemente:
v1 + v2 2 v1 − v2 3
T (v1 , v2 ) = −v2 + ( )x + ( )x
2 2
Sessão 4.3
Base para Ker(T ):
3
 de R . Então v ∈ Ker(T ) ⇐⇒ T (v) = 0R2 ⇐⇒
Dado v = (x, y, z) elemento genérico
x − y − z = 0
(x − y − z, 2z − x) = (0, 0) ⇐⇒ ⇐⇒ x = 2z e y = z.
2z − x = 0
Portanto v ∈ Ker(T ) ⇐⇒ v = (2z, z, z) = z(2, 1, 1). Logo Ker(T ) = [(2, 1, 1)], e α = {(2, 1, 1)}
é uma base para Ker(T ).
Base para Im(T ):
Dado u = (x1 , x2 ) elemento genérico de R2 .
Então u ∈ Im(T ) ⇐⇒ ∃v = (x, y, z) ∈ R3 ; u = T (v). Sendo assim, a forma genérica de um
elemento em Im(T ) é u = T (v) = (x − y − z, 2z − x) = x(1, −1) + y(−1, 0) + z(−1, 2).
Logo Im(T ) = [(1, −1), (−1, 0), (−1, 2)] e β = {(1, −1), (−1, 0)} é uma base para Im(T ).

Base para Ker(T ):
Dado p(x) = a + bx + cx2 elemento genérico de P2 (R). Então p(x) ∈Ker(T ) ⇐⇒ T (p(x)) =
a − b + 2c = 0
   
a − b + 2c 0 0 0 0 0




0U ⇐⇒  0 2a + b 0  = 0 0 0 ⇐⇒ ⇐⇒
   
2a + b = 0

0 0 −a − 2b + 2c 0 0 0

−a − 2b + 2c = 0


b = −2a
.
c = − 3 a
2
Portanto p(x) ∈ Ker(T ) ⇐⇒ p(x) = a − 2ax − 23 ax2 = a(1 − 2x − 32 x2 ).
Logo Ker(T ) = [1 − 2x − 23 x2 ] = [2 − 4x − 3x2 ] e α = {2 − 4x − 3x2 } é uma base para Ker(T ).
Base para Im(T ):
Dada A ∈ U . Então A ∈ Im(T ) ⇐⇒ ∃p(x) ∈ P2 (R); A = T (p(x)).
Sendo assim, a forma genérica de um elemento em Im(T ) é
       
a − b + 2c 0 0 1 0 0 −1 0 0 2 0 0
A = T (p(x)) =  0 2a + b 0  = a 0 2 0  +b  0 1 0  +c 0 0 0
       
0 0 −a − 2b + 2c 0 0 −1 0 0 −2 0 0 2
| {z } | {z } | {z }
A1 A2 A3
Portanto Im(T ) = [A1 , A2 , A3 ] e β = {A1 , A2 , A3 } é uma base para Im(T ) pois é L.I..
Sessão 4.4
u u w w
z }|1 { z }|2 { z }|1 { z }|2 {
Primeiramente note que U = [(−1, 1, 0), (−1, 0, 1)] e que W = [(1, 0, 1), (0, −1, 1)].
Determinemos então U ∩ W .
Dado v = (x, y, z) elemento genérico de R3 , sei que v ∈ U ∩ W ⇐⇒ v ∈ U e v ∈ W
⇐⇒ 
∃a1 , a2 , b1 , b2 ; a1 u2 + a2 u2 = b1 w1 + b2 w2 ⇐⇒ (−a1 − a2 , a1 , a2 ) = (b1 , −b2 , b1 + b2 )
a = b 
 2 1

 a = 0
1
⇐⇒ a1 = −b2 ⇐⇒ .
 a = b

 2 1
a = b + b
2 1 2
Portanto v ∈ U ∩ W ⇐⇒ v = b1 (−1, 0, 1). Logo U ∩ W = [(−1, 0, 1)].
Agora recordamos que “Uma transformação linear fica completamente determinada pelos seus
valores numa base” e que devemos satisfazer: i)Im(T ) = [(−1, 1, 0), (−1, 0, 1)] e ii)Ker(T ) =
[(−1, 0, 1)].
Escolhemos
• T (−1, 0, 1) = 0R3
para satisfazer ii).

E também
• T (0, 1, 0) = (−1, 1, 0)
• T (0, 0, 1) = (−1, 0, 1)
para satisfazer i).

Note que com essas 3 informações, T fica completamente determinada pois α = {(−1, 0, 1), (0, 1, 0), (0, 0, 1)}
é uma base de R3 (Prove!).
Agora nos resta achar explicitamente a fórmula de T (x, y, z), que é análogo ao Exercı́cio 4.6.
Primeiro, precisamos achar as coordenadas de um vetor v = (x, y, z) genérico de R3 na base α na
qual sabemos como T se comporta.
Isto é, precisamos achar os escalares a1 , a2 , a3 tais que
(x, y, z) = a1 (−1, 0, 1) + a2 (0, 1, 0) + a3 (0, 0, 1)


 −a = x
 1


Daı́, temos que (x, y, z) = (−a1 , a2 , a1 + a3 ) que nos leva ao sistema a2 = y , que possui



a + a = z
1 3

 a = −x
 1


solução a2 = y .



a = z + x
3
Portanto (x, y, z) = −x(−1, 0, 1) + y(0, 1, 0) + (z + x)(0, 0, 1). Aplicando T nos dois lados da
igualdade e usando a linearidade de T temos que:
T (x, y, z) = −xT (−1, 0, 1)+yT (0, 1, 0)+(z+x)T (0, 0, 1) = −x(0, 0, 0)+y(−1, 1, 0)+(z+x)(−1, 0, 1)
E finalmente concluı́mos que T (x, y, z) = (−x − y − z, y, x + z) é a (única) transformação linear

que satisfaz às condições citadas.
OBS.: É de bom costume, após exibir a fórmula de T , provar rapidamente as propriedades cita-
das (e também para verificar se não houve nenhum erro de conta no processo!).

(a) Falso!
Suponha, por absurdo, que existe uma transformação linear injetora T : R4 =⇒ R3 . Isso
implicaria que Ker(T ) = {0R3 } e consequentemente dim(Ker(T )) = 0. Daı́, pelo teorema do
núcleo e da imagem terı́amos:
dim(R4 ) = dim(Ker(T )) + dim(Im(T ))
O que nos leva a 4 = 0 + dim(Im(T )) e dim(Im(T )) = 4, porém Im(T ) ⊆ R3 e dim(R3 ) = 3;

absurdo!.
OBS.: Similarmente, sempre que dim(V ) ≥ dim(W ) podemos provar que não existe uma trans-
formação linear T : V → W injetora.
(b) Verdadeiro!
Seja α = {(1, 0, 0, 0), (0, 1, 0, 0)(0, 0, 1, 0), (0, 0, 0, 1)} base canônica de R4 e β = {1, x, x2 } base
canônica de P2 (R). Construı́mos a transformação linear T considerando que:
• T (1, 0, 0, 0) = 1
• T (0, 1, 0, 0) = x
• T (0, 0, 1, 0) = x2
• T (0, 0, 0, 1) = 0
Podemos verificar que Im(T ) = P2 (R) e consequentemente T é sobrejetora.

OBS.: Similarmente, sempre que dim(V ) ≥ dim(W ) podemos provar que existe uma trans-
formação linear sobrejetora T : V → W .
(c) Falso!
Sabemos que T é bijetora ⇐⇒ T é injetora e sobrejetora.
Existem transformações lineares injetoras de R2 em P2 (R). Porém, não existem transformações
lineares sobrejetoras T : R2 → P2 (R).
De fato, suponha que ∃T : R2 → P2 (R) linear e sobrejetora. Então terı́amos que Im(T ) = P2 (R)
e consequentemente dim(Im(T )) = dim(P2 (R)) = 3. Mas, pelo Teorema do Núcleo e da Imagem,
isso implicaria que:
Daı́, 2 = dim(Ker(T )) + 3 e dim(Ker(T )) = −1; absurdo! pois a dimensão de um espaço vetorial

deve ser sempre não-negativa.

(a) Se T e P são transformações lineares injetoras, então Ker(T ) = {0V } e Ker(P ) = {0W }.
Pelo Teorema do Núcleo e da Imagem temos:
dim(U ) = dim(Ker(T )) + dim(Im(T ))
dim(V ) = dim(Ker(P )) + dim(Im(P ))
Portanto dim(U ) = dim(Im(T )) e dim(V ) = dim(Im(P )). Mas dim(Im(T )) ≤ dim(V ), pois
F
Im(T ) ⊆ V . Daı́, dim(U ) ≤ dim(V ) .
♥
Similarmente, como dim(Im(P )) ≤ dim(W ), pois Im(P ) ⊆ W ; temos que dim(V ) ≤ dim(W ) .
De F e ♥ concluı́mos que dim(U ) ≤ dim(V ) ≤ dim(W ).
(b) Se T e P são transformações lineares sobrejetoras, então Im(T ) = V e Im(P ) = W . Logo

dim(Im(T )) = dim(V ) e dim(Im(P )) = dim(W ). Pelo Teorema do Núcleo e da Imagem devemos
ter:
dim(U ) = dim(Ker(T )) + dim(Im(T ))
dim(V ) = dim(Ker(P )) + dim(Im(P ))
Portanto dim(U ) = dim(Ker(T )) + dim(V ) e dim(V ) = dim(Ker(P )) + dim(W ).

Logo temos que dim(U ) ≥ dim(V )F e dim(V ) ≥ dim(W )♥ ; pois a dimensão do núcleo é sempre
não-negativa.
De F e ♥ concluı́mos que dim(U ) ≥ dim(V ) ≥ dim(W ).
Sessão 4.5
Uma função T : R3 → R3 é um isomorfismo de espaços vetoriais se, e somente se, T é linear e
bijetora.
Como já nos foi informado que T é linear, basta provar que T é bijetora.
T é injetora:
Calculemos Ker(T ).
3
 de R , então v ∈ Ker(T ) ⇐⇒ T (v) = (0, 0, 0) ⇐⇒
Seja v = (x, y, z) elemento genérico
x − 2y = 0



(x − 2y, z, x + y) = (0, 0, 0) ⇐⇒ z = 0 ⇐⇒ x = y = z = 0.



x + y = 0
Portanto Ker(T ) = {0R3 } e consequentemente T é injetora.
T é sobrejetora:
Provemos que Im(T ) = R3 .
De fato, seja u ∈ R3 .
Então u ∈ Im(T ) ⇐⇒ ∃v = (x, y, z) ∈ R3 tal que u = T (v)
Sendo assim, a forma genérica de um elemento em Im(T ) é u = T (v) = (x − 2y, z, x + y) =
x(1, 0, 1) + y(−2, 0, 1) + z(0, 1, 0).
Logo Im(T ) = [(1, 0, 1), (−2, 0, 1), (0, 1, 0)] e podemos verificar que {(1, 0, 1), (−2, 0, 1), (0, 1, 0)} é
L.I. e portanto uma base de Im(T ).
Logo dim(Im(T )) = 3 = dim(R3 ) e como Im(T ) ⊆ R3 segue que Im(T ) = R3 e consequente-
mente T é sobrejetora.

Note que S = [(1, 1, 0), (−2, 0, 1)].
Agora, consideremos a base α = {(1, 0), (0, 1)} canônica de R2 . Então considere T : R2 → S a
transformação linear determinada por:
• T (1, 0) = (1, 1, 0)
• T (0, 1) = (−2, 0, 1)
Agora vamos exibir a fórmula de T . Primeiro achamos as coordenadas de um elemento genérico

(x, y) ∈ R2 na base α. Isto é, acharemos a1 , a2 tais que (x, y) = a1 (1, 0) + a2 (0, 1).
Isso acontece somente se (x, y) = (a1 , a2 ) e logo a1 = x e a2 = y. Então
T (x, y) = xT (1, 0) + yT (0, 1) = (x − 2y, x, y)

é o isomorfismo procurado (Prove que T é uma bijeção!).
Sessão 4.8
Seja α = {a1 , a2 }, β = {b1 , b2 } e γ = {c1 , c2 } bases
 de R2 .

h iβ h i h i 
Por definição T =  T (b 1 ) T (b2 ) . Agora T (b1 ) = T (1, 0) = (1, 2) = 1·(1, 0)+2·(0, 1)
β β β
 

" #
h iβ 1 2
e T (b2 ) = T (0, 1) = (2, 4) = 2 · (1, 0) + 4 · (0, 1). Portanto T = .
β 2 4
 

h iβ  h i h i 
Por definição T =  T (b1 ) T (b2 )  . Agora preciso descobrir as constantes k1 , k2 tais
α  α α


k = 1
1
que T (b2 ) = (1, 2) = k1 (1, −1) + k2 (0, 1). Daı́, (1, 2) = (k1 , −k1 + k2 ) =⇒
−k + k = 2
1 2
=⇒ k1 = 1 e k2 = 3. Agora preciso descobrir as constantes k10 , k20 tais que T (b2 ) = (2, 4) =
k 0 = 2
1
k10 (1, −1) + k20 (0, 1). Daı́, (2, 4) = (k10 , −k10 + k20 ) =⇒ =⇒ k10 = 2 e k20 = 6.
−k 0 + k 0 = 4
1 2
" #
h iβ 1 2
Portanto T = .
α 3 6
 

h iα h i h i 
Por definição, T =  T (a 1 ) T (a2 ) .
β β β
 

Agora T (a1 ) = T (1, −1) = (−1, −2) "= −1 ·#(1, 0) − 2 · (0, 1) e T (a2 ) = T (0, 1) = (2, 4) =
h iα −1 2
2 · (1, 0) + 4 · (0, 1). Portanto T = .
β −2 4
 

h iγ h i h i 
Por definição, T =  T (c1 ) T (c 2 ) . Agora T (c1 ) = T (1, −1) = (−1, −2) = −1 ·
α  α α

" #
h iγ −1 3
(−1, −2) + 1 · (0, 1) e T (c2 ) = T (1, 1) = (3, 6) = 3 · (1, −1) + 9 · (0, 1). Portanto T = .
α 1 9

h i h iβ h i
(a) Sabemos que T (p(x)) = T · p(x) .
γ γ β

c + c2 = 3
   
3 1 1

 1
" # 

 1c
Disso, 5 = 2 1 =⇒ , que possui solução c1 = 2 e c2 = 1.
  
2c1 + c2 = 5
c2 
4 1 2


c + 2c = 4
1 2
" #
h i 2
Portanto p(x) = .
β 1
(b) Observe que    
1 1 " # 1
 1
h i h iβ h i
T (x − x2 + x3 ) = T x − x2 + x3 = 2 1 = 2
  
γ γ β 0
1 2 1
2 3 2
Então T (x − x + x ) = 1 − 2x + 3x = 1(x + 2) + 2p1 (x) + p2 (x) F .
E também temos    
1 1 " # 1
 0
h i h iβ h i
2 2
T (1 + x + x ) = T 1+x+x = 2 1 = 1
  
γ γ β 1
1 2 2
Então T (1 + x + x2 ) = 2 + 3x = 1(x + 2) + p1 (x) + 2p2 (x) ♥ .
Somando as equações F e ♥ temos que:
3 + x + 3x2 = 2(x + 2) + 3p1 (x) + 3p2 (x)
E consequentemente 3p1 (x) + 3p2 (x) = −1 − x + 3x2 .

 

h iβ  h i h i 
(a) Por definição T =  T (1, 0) T (0, 1)  .
γ 
γ γ

   
h i 1 h i −1
Logo T (1, 0) =  0  e T (0, 1) =  1 .
   
γ γ
−2 3
Disso temos que T (1, 0) = 1 · (1, 0, 1) + 0 · (−1, 0, 1) − 2 · (0, 1, 0) = (1, −2, 1)
e T (0, 1) = −1 · (1, 0, 1) + 1 · (−1, 0, 1) + 3 · (0, 1, 0) = (−2, 3, 0).
(b) Dado (x, y) elemento genérico de R2 , temos que
T (x, y) = T (x(1, 0) + y(0, 1)) = xT (1, 0) + yT (0, 1) = x(1, −2, 1) + y(−2, 3, 0)
Portanto Im(T ) = [(1, −2, 1), (−2, 3, 0)] e α = {(1, −2, 1), (−2, 3, 0)} é uma base de Im(T ).
(c) Calculemos Ker(T ).

Pelo T.N.I.:
Logo 2 = dim(Ker(T )) + 2 e dim(Ker(T )) = 0.

Portanto Ker(T ) = {0R3 } e T é uma transformação linear injetora.

 

h iγ h i h i h i h i 
(a) Pela definição, T =  T (v1 ) T (v2 ) T (v3 ) T (v4 ) .
 
γ  γ γ γ γ

Agora, como
• T (v1 ) = v1 ;
• T (v2 ) = v2 ;
• T (v3 ) = v3 ;
• T (v4 ) = v1 + v3 .
 
1 0 0 1
h iγ  0 1 0 0

Segue que T =  0
.
γ  0 1 1
0 0 0 0
h i h iβ h i
(b) Sabemos que T (e1 ) = T e1 .
γ γ β
   
1 0 0 1
0 0 1 0 1 0 1 0
h iβ h iγ h iβ  0 1

0 0 0 0 0
 
 
1 0
  0 0 1

E temos que T = T I = 0 0 = .
γ γ γ  1 1  0 1 0
 0 1 1 0 0
0 0 0 0 1 0 0 0 0 0 0 0
    
1 0 1 0 1 1
    
0 0 0 1 0 = 0.
h i    
Consequentemente T (e1 ) =  1 1 0
γ  0 

0 1
  
0 0 0 0 0 0
Capı́tulo 4
Produto Interno
Sessão 5.2
Considere A = [aij ] a matriz do produto interno de V na base β.
Pn
Observe que se escrevermos o elemento u na base β como u = αj vj , então
j=1
Xn n
X n
X
hu, v1 i = h αj vj , v1 i = αj hvj , v1 i = αj a1j
j=1 j=1 j=1
Xn n
X n
X
hu, v2 i = h αj vj , v2 i = αj hvj , v2 i = αj a2j
j=1 j=1 j=1
..
.
Xn n
X n
X
hu, vi i = h αj vj , vi i = αj hvj , vi i = αj aij (F)
j=1 j=1 j=1
Então dados escalares c1 , · · · , cn vamos provar que existe um único u ∈ V que satisfaz
hu, vi i = ci ∀i = 1, · · · , n.
De fato,
     
  α1 c1 c1
a11 a12 ··· a1n    
 α2   c2   c2 
 
 .
(F) .. .. .. 
hu, vi i = ci ⇐⇒  . .   ..  =  ..  ⇐⇒ A[u]β =  .. 
 . . .
     
 .  . .
an1 an2 ··· ann
αn cn cn
Observe que como a matriz A e as constantes ci estão fixadas, temos um sistema de equações
nas variáveis α1 , · · · , αn . E na verdade, como a matriz do produto interno A é sempre invertı́velF ,
40
CAPÍTULO 4. PRODUTO INTERNO 41
o sistema    
α1c1
 α2   c2 
   
 ..  =  .. 
A   
 .  .
αn cn
   
α1 c1
 α2   c2 
   
−1  
 ..  = A  .. . Ou seja, existe um único elemento u = α1 v1 + · · · + αn vn
possui solução única  
 .  .
αn cn
que satisfaz a propriedade desejada.
OBS.F : Todas as matrizes n × n positivas definidas são invertı́veis. De fato, se A fosse não in-
vertı́vel então existiria um vetor (matriz coluna) X 6= 0 tal que AX = 0 (pois caso contrário
Ker(A) = {0} =⇒ dim(Im(A)) = n =⇒ A invertı́vel ). Então para tal X 6= 0 temos
X t AX = 0 e logo A não pode ser positiva definida.

Precisamos provar que:
i) hA, Bi = hB, Ai ∀A, B ∈ Mn (R);
ii) hA, Ai ≥ 0 ∀A ∈ Mn (R) com hA, Ai = 0 ⇐⇒ A = 0Mn (R) ;
iii) hA + C, Bi = hA, Bi + hC, Bi ∀A, B, C ∈ Mn (R);
iv) hλA, Bi = λhA, Bi ∀A, B ∈ Mn (R) ∀λ ∈ R.
Pm Pn m P
P n
i) hA, Bi = aij bij = bij aij = hB, Ai.
i=1 j=1 i=1 j=1
m P
n m P
n
a2ij ≥ 0
P P
ii) hA, Ai = aij aij = ∀A = [aij ]
i=1 j=1 i=1 j=1
m n
a2ij = 0 ⇐⇒ aij = 0 para todo i, j, i.e. A = 0Mn (R) .
P P
Agora hA, Ai =
i=1 j=1
m P
P n m P
P n m P
P n m P
P n
iii) hA + C, Bi = (aij + cij )bij = aij bij + cij bij = aij bij + cij bij =
i=1 j=1 i=1 j=1 i=1 j=1 i=1 j=1
hA, Bi + hC, Bi.
m P
P n m P
P n
iv) hλA, Bi = λaij bij = λ aij bij = λhA, Bi.
i=1 j=1 i=1 j=1

a) A matriz A = [aij ] deste produto interno na base canônica é, por definição, determinada por
aij = hpj , pi i. Então temos:
a11 = hp1 , p1 i = p1 (−1)2 + p1 (0)2 + p1 (1)2 = 12 + 12 + 12 = 3
a22 = hp2 , p2 i = p2 (−1)2 + p2 (0)2 + p2 (1)2 = (−1)2 + 02 + 12 = 2
a33 = hp3 , p3 i = p3 (−1)2 + p3 (0)2 + p3 (1)2 = ( (−1)2 )2 + (02 )2 + (12 )2 = 2
a21 = a12 = hp2 , p1 i = p2 (−1)p1 (−1) + p2 (0)p1 (0) + p2 (1)p1 (1) = (−1) · 1 + 0 ·
1+1·1=0
a31 = a13 = hp3 , p1 i = p3 (−1)p1 (−1) + p3 (0)p1 (0) + p3 (1)p1 (1) = (−1)2 · 1 + 02 ·
1 + 12 · 1 = 2
a32 = a23 = hp3 , p2 i = p3 (−1)p2 (−1) + p3 (0)p2 (0) + p3 (1)p2 (1) = (−1)2 · (−1) +
02 · 0 + 12 · 1 = 0  
3 0 2
E consequentemente, A = 0 2 0.
 
2 0 2
b)     
h i 3 0 2 −1 h i −1
hp, qi = Y t AX = 4 2 −1 0 2 0  3  = 10 4 6  3  = −10 + 12 + 6 = 8
    
2 0 2 1 1
c) Considere X como a matriz de coordenadas do polinômio p(x) = −1 + 3x + 1x2 na base

canônica e Y a matriz de coordenadas de q(x) = d + ex + f x2 na base canônica. Então:
    
h i 3 0 2 −1 h i −1
hp, qi = 0 ⇐⇒ Y t AX = 0 ⇐⇒ d e f 0 2 0  3  = 3d + 2f 2e 2d + 2f  3  =
    
2 0 2 1 1
0 ⇐⇒ −3d − 2f + 6e + 2d + 2f = 0 ⇐⇒ d = 6e
Portanto os polinômios q tais que hp, qi = 0 são da forma q(x) = 6e + ex + f x2 = e(6 + x) + f x2 .
Sessão 5.5
Considere o espaço vetorial real Rn munido do produto interno usual e os vetores u = (a1 , · · · , an )
e v = ( n1 , · · · , n1 ). Pela desigualdade de Cauchy-Schwarz
hu, vi2 ≤ hu, ui · hv, vi
Substituindo os valores de u e v obtemos

2
(a1 + · · · + an )2

a1 + · · · + an
≤
n n

Considere R4 um espaço vetorial real munido do produto interno usual.
Então os vetores u = (1, 2, α, 3) e v = (α, 2, α, −2) são ortogonais ⇐⇒ hu, vi = 0 ⇐⇒
2 2
α + 4 + α − 6 = 0 ⇐⇒ α + α − 2 = 0 ⇐⇒ α = 1 ou α = −2.

Devemos provar que para cada par de vetores não-nulos u, v ∈ V existe um θ ∈ [0, π/2] tal que
|hu, vi|
cos(θ) =
kuk2 kvk2
Além disso, devemos provar que tal θ é único. Provando essas duas coisas vamos ter provado que
tal ângulo pode ser definido “sem ambiguidade”.
De fato, pela desigualdade de Cauchy-Schwarz sempre é o caso que 0 ≤ hu, vi2 ≤ hu, uihv, vi =⇒
|hu,vi|
p p
|hu, vi| ≤ hu, ui hv, vi = kuk2 kvk2 . E portanto 0 ≤ kuk 2 kvk2
≤ 1.
Agora, observe que a função cosseno restrita ao intervalo [0, π/2] e com contra-domı́nio [0, 1] é
bijetora! Disso, certamente existe um θ ∈ [0, π/2] satisfazendo tal propriedade (sobrejetora) e
certamente esse θ será único (injetora).

O produto interno usual do espaço vetorial real C([0, 1]) é definido por:
Z 1
hf, gi = f (x)g(x) dx
0
Sendo assim, para f (x) = ax + b e g(x) = x2 , f e g são ortogonais se, e somente se,
R1 R1 R1 1
0 = hf, gi = 0 f (x)g(x) dx = 0 (ax + b)x2 dx = 0 ax3 + bx2 dx = a4 x4 + 3b x3 0 = a
+ 3b .

4
Como o exercı́cio nos pede apenas uma função deste tipo, escolhemos a = 4 e concluı́mos que a
função f (x) = 4x − 3 é ortogonal à função g(x) = x2 segundo o produto interno usual do espaço.
Sessão 5.7
Sessão 5.9
Ker(T )
v = (x, y, z) ∈ Ker(T ) ⇐⇒ T (x, y, z) = (0, 0) ⇐⇒ (x − y − z, 2z − x) = (0, 0) ⇐⇒
x − y − z = 0
⇐⇒ x = 2z e y = z. Logo Ker(T ) = [(2, 1, 1)].
2z − x = 0
(Ker(T ))⊥
v = (x, y, z) ∈ Ker(T )⊥ ⇐⇒ hv, (2, 1, 1)i = 0 ⇐⇒ 2x + y + z = 0 ⇐⇒ y = −2x − z.
Logo os elementos de Ker(T )⊥ são da forma v = (x, −2x − z, z) = x(1, −2, 0) + z(0, −1, 1) e
Ker(T )⊥ = [(1, −2, 0), (0, −1, 1)].
Base ortogonal de Ker(T )⊥

Vamos ortogonalizar a base β = {(1, −2, 0), (0, −1, 1)} de Ker(T )⊥ utilizando o processo de
| {z } | {z }
v1 v2
Gram-Schmidt. O processo nos retorna a base ortogonal α = {q1 , q2 } com
q1 = v1 = (1, −2, 0);
q2 = v2 − hv 2 ,q1 i 2 2 1
hq1 ,q1 i q1 = (0, −1, 1) − 5 (1, −2, 0) = (− 5 , − 5 , 1).
Sessão 5.14
Preciso mostrar que Ker(T ) ⊆ (Im(T ))⊥ e que (Im(T ))⊥ ⊆ Ker(T ).
Ker(T ) ⊆ (Im(T ))⊥

Vamos supor um elemento em Ker(T ) e então concluir que este elemento é perpendicular a todo
elemento de Im(T ).
Supondo v ∈ Ker(T ) temos que para todo elemento genérico da imagem do operador, T (u) ∈
Im(T ), vale que
T simétrico v∈Ker(T ) def. p.i.

hv, T (u)i = hT (v), ui = h0, ui = 0
E portanto v ∈ (Im(T ))⊥ .

Disso concluı́mos a primeira inclusão.
(Im(T ))⊥ ⊆ Ker(T )

Similarmente, vamos considerar um elemento em (Im(T ))⊥ e então concluir que este elemento
está também no núcleo do operador.
Suponha v ∈ (Im(T ))⊥ .
Então para todo elemento u ∈ V , v é perpendicular a T (u). Isto é, hv, T (u)i = 0 ∀u ∈ V . Mas
como T é um operador linear simétrico vale que:
hv, T (u)i = 0 ∀u ∈ V =⇒ hT (v), ui = 0 ∀u ∈ V
e disso podemos concluir que T (v) = 0 pois, pela definição do produto interno, o único elemento
que é ortogonal a todo u ∈ V é o vetor nulo.
Portanto concluı́mos a segunda inclusão e segue a igualdade.

Seja α uma base ortonormal de V .
Então considere as matrizes A1 = [T1 ]α α
α e A2 = [T2 ]α . Como T1 e T2 são operadores lineares her-
mitianos e α é base ortonormal, segue que A1 e A2 são matrizes hermitianas. Agora, provemos a
dupla implicação.
=⇒
Assumimos que T1 ◦ T2 é um operador hermitiano. Observe que [T1 ◦ T2 ]α
α = A1 A2 . Então:
A2 A1 = A∗2 A∗1 A2 e A1 hermitianas

∗
= (A1 A2 )
= A1 A2 A1 A2 é hermitiana
Portanto A2 A1 = A1 A2 e pela definição dessas matrizes concluı́mos que T2 ◦ T1 = T1 ◦ T2 .
⇐=
Agora assumimos que T2 ◦ T1 = T1 ◦ T2 .
Então:
(A1 A2 )∗ = A∗2 A∗1

= A2 A1 A2 e A1 hermitianas
= A1 A2 T2 ◦ T1 = T1 ◦ T2
Portanto A1 A2 é uma matriz hermitiana, e pela definição dessas matrizes isso implica que T1 ◦ T2
é um operador linear hermitiano.

Precisamos provar que i) (a) e (b) =⇒ (c); ii) (a) e (c) =⇒ (b); iii) (b) e (c) =⇒ (a).
i) Seja α uma base ortonormal de V .
Assumindo que T é um operador simétrico temos que a matriz A := [T ]α t
α é simétrica (A = A),
assumindo que o operador linear T é uma isometria concluı́mos, pela Proposição 5.14.3, que T é
ortogonal e portanto A é ortogonal (At = A−1 ).
Disso,
A2 = AA = AAt = AA−1 = In
onde usamos que A é simétrica e ortogonal, respectivamente.

Como A2 = [T 2 ]α 2
α concluı́mos que T = I.
ii) Supondo que T é simétrico e T 2 = I obtemos que para todo v ∈ V vale que
hT (v), T (v)i = hv, T (T (v))i = hv, vi
onde usamos que T é simétrico e T 2 = I, respectivamente.

Consequentemente, T é uma isometria.
iii) Seja α uma base ortonormal de V .

−1
Então se A := [T ]α 2 2 t
α , assumindo que T = I e T é isometria linear obtemos A = In e A = A ,
respectivamente.
Disso,
In = A2 = AA =⇒ A = A−1 = At
e portanto A é uma matriz simétrica. Como escolhemos uma base ortonormal α segue que T é
simétrico.

A matriz Q é ortogonal sse Qt = Q−1 .
Agora observe que
" #" # " # " #
t cos(θ) − sin(θ) cos(θ) sin(θ) cos2 (θ) + sin2 (θ) 0 1 0
QQ = = = = I2
sin(θ) cos(θ) − sin(θ) cos(θ) 0 sin2 (θ) + cos2 (θ) 0 1
Disso, concluı́mos que Qt = Q−1 e portanto Q é uma matriz ortogonal.

Vamos construir a matriz de T na base canônica de R3 , que é uma base ortonormal, e então
mostrar que esta matriz é ortogonal.
Seja α = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, então
• T (1, 0, 0) = (cos(θ), sin(θ), 0)
• T (0, 1, 0) = (− sin(θ), cos(θ), 0)
• T (0, 0, 1) = (0, 0, 1)
 
cos(θ) − sin(θ) 0
α
E portanto A := [T ]α =  sin(θ) cos(θ) 0.
 
0 0 1
Similarmente ao exercı́cio 5.58 podemos ver que AAt = I3 e portanto A é uma matriz ortogonal
e, como a base utilizada na construção de A é uma base ortonormal, segue que T é um operador
ortogonal.

(a) Sejam u, v elementos genéricos de V . Então existem únicos u1 , v1 ∈ W e u2 , v2 ∈ W ⊥ tais
que
u = u1 + u2
v = v1 + v2
Disso temos que,

hT (u), vi = hu1 − u2 , v1 + v2 i = hu1 , v1 i + hu1 , v2 i − hu2 , v1 i − hu2 , v2 i = hu1 , v1 i − hu2 , v2 i
Por outro lado,
hu, T (v)i = hu1 + u2 , v1 − v2 i = hu1 , v1 i − hu2 , v2 i.
Portanto hT (u), vi = hu, T (v)i ∀u, v ∈ V . Ou seja, T é simétrico.
Analogamente podemos ver que:

hT (u), T (v)i = hu1 , v1 i + hu2 , v2 i = hu, vi ∀u, v ∈ V e portanto T também é ortogonal.
(b) Calculemos W ⊥ .
Como W = [(1, 1, 1)], temos que v = (x, y, z) ∈ W ⊥ ⇐⇒ h(x, y, z), (1, 1, 1)i = 0 ⇐⇒ x = −y − z
e portanto W ⊥ = [(−1, 1, 0), (−1, 0, 1)]
Agora, se α é a base canônica de R3 e β é a base da decomposição ortogonal a partir de W , i.e.
β = {(1, 1, 1), (−1, 1, 0)(−1, 0, 1)}, então
β
[T ]α β α
α = [I]α [T ]β [I]β
Sabemos que
• T (1, 1, 1) = (1, 1, 1) − (0, 0, 0);
• T (−1, 1, 0) = (0, 0, 0) − (−1, 1, 0);
• T (−1, 0, 1) = (0, 0, 0) − (−1, 0, 1)

 
1 0 0
E portanto [T ]ββ = 0 −1 0 .
 
0 0 −1
Agora, resta-nos calcular as matrizes
 de mudança de base.
1 −1 −1
Pela definição [I]βα = 1 1 0 . Agora, vamos achar os coeficientes ci tais que
 
1 0 1
(1, 0, 0) = c1 (1, 1, 1) + c2 (−1, 1, 0) + c3 (−1, 0, 1)
(0, 1, 0) = c4 (1, 1, 1) + c5 (−1, 1, 0) + c6 (−1, 0, 1)
(0, 0, 1) = c7 (1, 1, 1) + c8 (−1, 1, 0) + c9 (−1, 0, 1)

 
c1 c4 c7
pois então teremos que [I]α
β = c2 c5 c8 .
 
c3
c9 c6
 
1/3 1/3 1/3
α
Fazendo as contas, obtemos que [I]β = −1/3 2/3 −1/3.
 
−1/3 −1/3 2/3

E consequentemente
     
1 −1 −1 1 0 0 1/3 1/3 1/3 −1 2 2
α  1
[T ]α = 1 1 0  0 −1 0  −1/3 2/3 −1/3 =  2 −1 2
   
3
1 0 1 0 0 −1 −1/3 −1/3 2/3 2 2 −1

Lembremos da definição de cosseno do ângulo entre dois vetores não-nulos de um espaço vetorial
com produto interno e da definição de isometria.
• Dados u, v ∈ V não-nulos o cosseno entre o ângulo θ formado por esses dois vetores é defi-
hu,vi
nido como cos(θ) := kuk2 kvk2
• Um operador T é uma isometria ⇐⇒ kT (v)k2 = kvk2 ∀v ∈ V
Agora queremos provar que se T é uma isometria então cos(θ0 ) = cos(θ1 ), onde θ0 é o ângulo
formado pelos vetores genéricos u, v ∈ V e θ1 é o ângulo formado pelos vetores T (u), T (v) ∈ V .
De fato,
hu,vi
cos(θ0 ) = kuk2 kvk2
hu,vi
= kT (u)k2 kT (v)k2 T é isometria
hT (u),T (v)i
= kT (u)k2 kT (v)k2 T é ortogonal (T linear e isometria =⇒ T ortogonal )
= cos(θ1 )

⇐=
Assumimos que a matriz Q é ortogonal.
Agora,
hTQ (X), TQ (X)i = hQX, QXi
= tr((QX)t QX)
= tr(X t Qt QX)
= tr(X t X) , pois Qt = Q−1
= hX, Xi
E portanto TQ é uma isometria.
=⇒
Se TQ é uma isometria (linear) então TQ é um operador ortogonal.
Disso temos que para quaisquer matrizes X e Y vale hTQ (X), TQ (Y )i = hX, Y i, que pela de-
finição do produto interno é a mesma coisa que tr((QY )t QX) = tr(Y t X).
Em particular, para Y = In temos que tr(Qt QX) = tr(X).
E como tr(A + B) = tr(A) + tr(B) ∀A, B, isso implica que:
0 = tr(Qt QX − X) = tr( (Qt Q − In )X ) = hX, QQt − In i
.
Logo temos que hX, QQt − In i = 0 para toda matriz X.

E isso só acontece (pela definição genérica de produto interno) se QQt − In = 0Mn (R) e portanto
QQt = In , que é o mesmo que Qt = Q−1 .
Sessão 5.15
q
z }|1 {
Note que α = {(1, 1, 1)} é uma base ortogonal para S.
Então seja v = (x, y, z) um elemento genérico de R3 . O operador de projeção ortogonal sobre S
fica determinado por
1
X h(x, y, z), qi i
P (x, y, z) = qi
i=1
hqi , qi i
Fazendo as contas obtemos

h(x,y,z),(1,1,1)i
P (x, y, z) = 3 (1, 1, 1) = 13 (x + y + z)(1, 1, 1) = ( x+y+z
3 , x+y+z
3 , x+y+z
3 ).

(a) Note que o plano determinado por 3x + 2y + z = 0 é o subespaço vetorial
W = {(x, y, z) ∈ R3 : 3x + 2y + z = 0} = [(1, 0, −3), (0, 1, −2)]
O caminho que acha uma base ortogonal para W e então usa a fórmula para encontrar o opera-
dor de projeção ortogonal sobre W a partir dessa base ortogonal é extremamente longo (experi-
mente).
Sendo assim vamos calcular o operador de projeção sobre o espaço W ⊥ e depois utilizaremos o
fato de que, para todo vetor v,
v = PW (v) + PW ⊥ (v)
para encontrar o operador PW .

Sendo assim, note que W ⊥ = [(3, 2, 1)].
E que o operador de projeção ortogonal sobre W ⊥ fica determinado por
h(x, y, z), (3, 2, 1)i 3x + 2y + z

PW ⊥ (x, y, z) = · (3, 2, 1) = (3, 2, 1)
h(3, 2, 1), (3, 2, 1)i 14
E disso, como (x, y, z) = PW (x, y, z) + PW ⊥ (x, y, z) concluı́mos que
3x + 2y + z
PW (x, y, z) = (x, y, z) − (3, 2, 1)
14
(b) Pela definição, Im(PW ) = {PW (v) : v ∈ R3 }. Agora sabemos que
PW (w) = w ∀w ∈ W
PW (w0 ) = 0 ∀w0 ∈ W ⊥
E também temos que R3 = W ⊕ W ⊥ . Logo dado v ∈ R3 , existem w, w0 elementos de W e W ⊥ ,

respectivamente, tais que v = w + w0 .
Disso, temos que PW (v) = PW (w) + PW (w0 ) = w + 0 = w.
Consequentemente,
Im(PW ) = {PW (v) : v ∈ R3 } = {w : w ∈ W } = W
(c) Sabemos que (para todo subespaço W ) vale que R3 = W ⊕ W ⊥ . E também que (Corolário
5.15.1) R3 = Im(PW ) ⊕ Ker(PW ).
Agora como Im(PW ) = W só pode ser o caso que Ker(Pw ) = W ⊥ = [(3, 2, 1)].
Sessão 5.16
(a) Como R(v) = 2P (v) − v para todo vetor v. Segue pelo Exercı́cio 5.67(a) que
3x + 2y + z 3x + 2y + z
R(x, y, z) = 2((x, y, z) − (3, 2, 1)) − (x, y, z) = (x, y, z) − 2 · (3, 2, 1)
14 14
(b) Considere um elemento genérico v = (x, y, z) de R3 . Então v = u + u0 para algum u ∈ W e

u0 ∈ W ⊥ .
Agora v ∈ Ker(R) ⇐⇒ 0 = R(v) = R(u) + R(u0 ) = u − u0 ⇐⇒ u = u0 .
Logo u é um elemento de W que também está em W ⊥ .
Mas como W ∩ W ⊥ = {0R3 }, segue que u = u0 = 0.
Consequentemente v = 0 e Ker(R) = {0}.
(c) Pelo T.N.I., dim(Im(R)) = dim(R3 ) − dim(Ker(R)) = 3 − 0 = 3. E como Im(R) ⊆ R3 segue

que Im(R) = R3 .
Capı́tulo 5
Autovalores e Autovetores
Sessão 6.1
=⇒
Supondo que λ = 0 é um autovalor de T vou provar que T não é um operador injetor.
De fato, se ∃v 6= 0 tal que T (v) = λv = 0 então temos que v ∈ Ker(T ). E como v é não-nulo
segue que Ker(T ) 6= {0}, logo T não é injetor.
⇐=
Supomos que T não é injetor. Disso temos que Ker(T ) 6= {0}. Logo existe v 6= 0 tal que v ∈
Ker(T ). O que implica que T (v) = 0 = 0 · v e portanto λ = 0 é autovalor de T.

Supondo que exista um autovalor λ de T , vou provar que devemos ter necessariamente λ = 0 ou
λ = 1.
De fato, se T (v) = λv para algum v não-nulo, então temos:
T (T (v)) = T (v)
=⇒ T (λv) = λv
=⇒ λT (v) = λv
=⇒ λ2 v = λv
Agora se λ = 0 então já temos o que querı́amos (λ = 0 ou λ = 1). Mas se λ 6= 0 podemos dividir
os dois lados da última equação por λ. O que nos leva a:
λv = v =⇒ (λ − 1)v = 0
E como v 6= 0 isso implica que λ = 1.

Portanto vale que λ = 0 ou λ = 1.
51
CAPÍTULO 5. AUTOVALORES E AUTOVETORES 52
OBS.: Note que não necessariamente um operador idempotente possui simultaneamente os au-
tovalores 1 e 0. Por exemplo, o operador identidade do epsaço vetorial V , IV (v) = v, possui
somente um autovalor: λ = 1.

Aqui novamente recordamos a frase “toda transformação linear fica completamente determinada
pelo seus valores numa base”. Ou seja, para criar tal operador T iremos escolher uma base e
seus valores nessa base.
Para satisfazer (a) devemos ter T (1, −1) = 1 · (1, −1) (note que isso implica que T (y, −y) =
yT (1, −1) = (y, −y)).
Para satisfazer (b) devemos ter T (0, 1) = 3 · (0, 1) = (0, 3) (analogamente isso implica T (0, y) =
3(0, y)).
E note que as duas informações que já temos é suficiente para determinar T pois {(1, −1), (0, 1)}
é uma base de R2 .
Então determinemos T .
Seja v = (x, y) elemento genérico de R2 vamos encontrar primeiro suas coordenadas na base
{(1, −1), (0, 1)} na qual sabemos como T se comporta. 
c = x
1
Isto é, encontremos c1 , c2 tais que (x, y) = c1 (1, −1)+c2 (0, 1). Disso temos o sistema
−c + c = y
1 2
que possui solução c1 = x e c2 = x + y.
Logo (x, y) = x(1, −1) + (x + y)(0, 1) =⇒ T (x, y) = xT (1, −1) + (x + y)T (0, 1) =
x(1, −1) + (x + y)(0, 3), ou seja, T (x, y) = (x, 2x + 3y) é a transforamção procurada.

Vamos provar que se existir um autovalor λ de T então λ = 0.
De fato, suponha que λ é um autovalor do operador nilpotente T .
Então existe algum w 6= 0V tal que T (w) = λw, mas como existe um natural n tal que
T n (v) = 0V ∀v, temos que em particular T n (w) = 0V .
Por outro lado, como nos sugere T (w) = λw, T 2 (w) = T ( T (w) ) = T (λw) = λT (w) = λ2 w, · · ·
podemos ver (indutivamente) que T n (w) = λn w ∀n ∈ N.
Portanto λn w = T n (w) = 0V e como w 6= 0V devemos ter λn = 0 =⇒ λ = 0

Vamos supor um autovalor qualquer λ de T e provar que necessariamente devemos ter λ = λ1 ou
λ = λ2 .
De fato, seja λ um autovalor de T tal que T (A) = λA para alguma matriz A não nula.
Então temos:
T (A) = At
=⇒ λA = At
=⇒ T (λA) = T (At )
=⇒ λT (A) = (At )t
=⇒ λ2 A = A
E se nomearmos as entradas de A como aij , isso implica que λ2 aij = aij ∀i, j e como A não é a
matriz nula, algum aij é diferente de zero e podemos concluir λ2 = 1.
Segue então que λ = 1 ou λ = −1.
Os subespaços associados a λ1 = 1 e λ2 = −1 são: o subespaço das matrizes simétricas e o
subespaço das matrizes antissimétricas, respectivamente (ver Exercı́co 3.25).

Lembre-se que um automorfismo é um operador linear bijetor.
Então, primeiramente, provemos que T é injetor e sobrejetor (pois já foi dito que é um operador
linear).
Para verificar se T é injetor, vamos calcular Ker(T ).
Considere um elemento genérico v ∈ V . Logo se v ∈ Ker(T ) então T (v) = 0V e portanto
−v = T (T (v)) = T (0v ) = 0V =⇒ v = 0V =⇒ Ker(T ) ⊆ {0V }, e como 0V ∈ Ker(T ) segue
que Ker(T ) = {0V }.
E consequentemente T é injetor.
Pelo Teorema do Núcleo e da Imagem, temos:
dim(V ) = dim(Ker(T )) + dim(Im(T ))
Da parte anterior temos que dim(Ker(T )) = 0 e portanto dim(Im(T )) = dim(V ) e como

Im(T ) ⊆ V segue que Im(T ) = V . E portanto T é sobrejetor.
Agora, vamos supor que λ é um autovalor de T e iremos concluir que devemos ter necessaria-
mente λ = i ou λ = −i.
De fato, se ∃v 6= 0 tal que T (v) = λv então temos que:
T (v) = λv
=⇒ T (T (v)) = λT (v)
=⇒ −v = λ2 v
=⇒ 0 = (λ2 + 1)v
E como v 6= 0V segue que λ2 + 1 = 0.
Consequentemente devemos ter λ = i ou λ = −i.

Temos que T (x, y, z, t) = (−y, x, −t, z) =⇒ T (T (x, y, z, t)) = T (−y, x, −t, z) = (−x, −y, −z, −t).
Agora, seja β = {b1 , b2 , b3 , b4 } = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)} a base canônica de
R4 .
 

h iβ h i h i h i h i 
Por definição T =  T (b1 ) T (b2 ) T (b3 ) T (b4 ) .
 
β  β β β β


T (1, 0, 0, 0) = (0, 1, 0, 0)
  



 0 −1 0 0

T (0, 1, 0, 0) = (−1, 0, 0, 0) h iβ  
1 0 0 0
E como segue que T =   .


 T (0, 0, 1, 0) = (0, 0, 0, 1) β 0 0 0 1



T (0, 0, 0, 1) = (0, 0, −1, 0)
 0 0 1 0
Vamos ver agora que T não possui autovalores.

Supondo que existe um autovalor λ de T então terı́amos que, para algum v não nulo:
T (v) = λv
=⇒ T (T (v)) = T (λv)
=⇒ −v = λT (v) = λ2 v
E portanto λ v + v = 0 =⇒ (λ2 + 1)v = 0 e como v 6= 0V isso implica λ2 = −1. Mas como foi
2
dito, V é um espaço vetorial real e, portanto, não existe λ ∈ R que satisfaça tal propriedade (ser
autovalor de T ).
Sessão 6.2
Vamos calcular a matriz de T na base canônica do espaço (pois é a base mais fácil de se traba-
lhar) e então calcular os autovalores e autovetores da matriz via polinômio caracterı́stico.
Seja β = {1, x, x2 } a base canônica de P2 (R). Então T (1) = 1, T (x) = x + (x + 1) = 1 + 2x e
 
h iβ 1 1 0
T (x2 ) = x2 + (x + 1)2x = 2x + 3x2 e portanto A := T = 0 2 2.
 
β
0 0 3
 
1−λ 1 0
Agora p(λ) = Ker(A − λI3 ) = det  0 2−λ 2  = (1 − λ)(2 − λ)(3 − λ).
 
0 0 3−λ
Portanto as raı́zes do polinômio caracterı́stico, i.e. os autovalores de T , são λ1 = 1, λ2 = 2 e
λ3 = 3.
Agora vamos calcular os autoespaços de cada autovalor.
Autovetores de λ1
Seja p(x) = a + bx + cx2 , então p(x) ∈ Vλ1 ⇐⇒ T (p(x)) = λ1 p(x) = p(x)
⇐⇒ p(x) + (x + 1)p0 (x) = p(x) ⇐⇒(x + 1)p0 (x) = 0 ⇐⇒ (x + 1)(b + 2cx) = 0


 b=0

⇐⇒ b + (2c + b)x + 2cx2 = 0 ⇐⇒ 2c + b = 0 ⇐⇒ a=a, b = 0 e c = 0.



2c = 0
Portanto os autovetores associados a λ1 são da forma p1 (x) = a · 1. Consequentemente Vλ1 = [1].
Autovetores de λ2
Seja p(x) = a + bx + cx2 , então p(x) ∈ Vλ2 ⇐⇒ T (p(x)) = 2p(x)
⇐⇒ p(x) + (x + 1)p0 (x) = 2p(x) 2
 ⇐⇒ −a + −bx + −cx + (x + 1)(b + 2cx) = 0


 −a + b = 0

2
⇐⇒ (−a + b) + 2cx + cx = 0 2c = 0 ⇐⇒ a = b e c = 0.



c = 0
Portanto os autovetores associados a λ2 são da forma p2 (x) = a + ax = a(1 + x).
Consequentemente Vλ2 = [1 + x].
Autovetores de λ3
Seja p(x) = a + bx + cx2 , então p(x) ∈ Vλ3 ⇐⇒ T (p(x)) = 3p(x) ⇐⇒ p(x) + (x + 1)p0 (x) =
3p(x)
 ⇐⇒ −2a − 2bx − 2cx2 + (x + 1)(b + 2cx) = 0 ⇐⇒ (−2a + b) + (−b + 2c)x = 0 ⇐⇒
−2a + b = 0
⇐⇒ b = 2a e c = a
−b + 2c = 0
Portanto os autovetores associados a λ3 são da forma p3 (x) = a + 2ax + ax2 = a(1 + 2x + x2 ).
Consequentemente Vλ3 = [1 + 2x + x2 ].




 T (1, 0, 0) = (1, 1, 2)

Temos que T (0, 1, 0) = (1, −1, 1) , e portanto a matriz de T na base β canônica de R3 é


T (0, 0, 1) = (0, 2, −1)

 
h iβ 1 1 0
A := T = 1 −1 2 .
 
β
2 1 −1
Calculamos agora o polinômio caracterı́stico
 
1−λ 1 0
2
p(λ) = det(A−λI3 ) = det  1 −1 − λ 2  = (1−λ)(−1−λ) +4−( 2(1−λ)+(−1−λ) )
 
2 1 −1 − λ
Logo p(λ) = −λ3 − λ2 + 4λ + 4, por inspeção vemos que λ = −1 é uma raiz do polinômio e logo,
p(λ) = (λ + 1)(−λ2 + 4). Portanto as raı́zes do polinômio caracterı́stico, i.e. os autovalores de T ,
são λ1 = −1, λ2 = 2 e λ3 = −2.
Agora calculemos os autoespaços.
Autovetores de λ1
   
x −x
Seja v = (x, y, z). Então v ∈ Vλ1 ⇐⇒ T (v) = −v ⇐⇒ A y  = −y 
   
z −z



 x + y = −x

⇐⇒ x − y + 2z = −y ⇐⇒ x = −2z e y = 4z.


2x + y − z = −z

Portanto os elementos de Vλ1 são da forma v = (−2z, 4z, z) = z(−2, 4, 1).

Consequentemente Vλ1 = [(−2, 4, 1)]
Autovetores de λ2

x + y = 2x
   
x 2x




Seja v = (x, y, z). Então v ∈ Vλ2 ⇐⇒ T (v) = 2v ⇐⇒ A y  = 2y  ⇐⇒ x − y + 2z = 2y
   

z 2z

2x + y − z = 2z

⇐⇒ x = z = y.
Portanto os elementos de Vλ2 são da forma v = (y, y, y) = y(1, 1, 1).
Consequentemente Vλ2 = [(1, 1, 1)].
Autovetores de λ3
   
x −2x
Seja v = (x, y, z). Então v ∈ Vλ3 ⇐⇒ T (v) = −2v ⇐⇒ A y  = −2y 
   
z −2x



 x + y = −2x

⇐⇒ x − y + 2z = −2y ⇐⇒ x = z e y = −3z.


2x + y − z = −2z

Portanto os elementos de Vλ3 são da forma v = (z, −3z, z) = z(1, −3, 1).
Consequentemente Vλ3 = [(1, −3, 1)]
Talvez uma das OBS. mais importantes deste pdf

OBS.: Para calcular os autovetores no Exercı́cio 3.16 utilizamos diretamente a fórmula da trans-
formação T para achar os vetores p(x) tais que T (p(x)) = λp(x). Já neste Exercı́cio 3.21, por
questão de praticidade, utilizamos a forma matricial de T para calcular os vetores v = (x, y, z)
tais que    
h iβ x x
T y  = λ y  F
   
β
z z
Caso, por algum motivo, queiramos utilizar uma base α = {a1 , a2 , a3 } diferente da canônica para
expressar essa equação não podemos dizer que os autovetores v = (x, y, z) de T serão tais que
   
h iα x x
T y  = λ y . Por quê?!
   
α
z z
h iβ h i h i
Porque observe que a equação F é equivalente a T v = λ v . E se mudarmos a base da
β β β
matriz de T devemos também mudar a base da matriz de coordenadas do vetor!
   
h iα c1 c1
A correção que deveria ser feita é a seguinte : achar c1 , c2 , c3 tais que T c2  = λ c2  e
   
α
c3 c3
então concluir que os autovetores são da forma v = (x, y, z) = c1 a1 + c2 a2 + c3 a3 .

B B B B
z }|1 #{ z" }|2 #{ z" }|3 #{ "
" z }|4 #{
1 0 0 1 0 0 0 0
Encontremos a matriz de T na base canônica de Mn (R) β = { , , , }.
0 0 0 0 1 0 0 1
" # " #
2 0 1 2
Temos que T (B1 ) = = 2B1 , T (B2 ) = = B1 + B2 ,
0 0 0 0
" # " #
0 0 0 0
T (B3 ) = = 2B3 e T (B4 ) = = 3B4
2 0 0 3
 
2 1 0 0
h iβ  0 2 0 0

Portanto A := T =   
β 0 0 2 0

0 0 0 3
Agora podemos calcular o polinômio caracterı́stico
 
2−λ 1 0 0
 
 0 2−λ 0 0  = (2 − λ)3 (3 − λ)

p(λ) = det(A − λI4 ) = det  
 0
 0 2−λ 0 


0 0 0 3−λ
Então as raı́zes do polinômio caracterı́stico, i.e. os autovalores de T , são λ1 = 2 e λ2 = 3.

Calculmeos os autoespaços.
Autovetores de λ1
" #
a b
Seja A = matriz genérica de Mn (R). Então A ∈ Vλ1 ⇐⇒ T (A) = 2A
c d

2a + b = 2a
     
2 1 0 0 a 2a 



     
0 2 0 0 2b = 2b
  b  =  2b  ⇐⇒
    
⇐⇒  0 0 ⇐⇒ b = d = 0
 2 0  c   2c 
     

 2c = 2c

0 0 0 3 d 2d 

3d = 2d
" #
a 0
Portanto os elementos de Vλ1 são da forma A = = aB1 + cB3 .
c 0
Consequentemente Vλ1 = [B1 , B3 ].
Autovetores de λ2
" #
a b
Seja A = matriz genérica de Mn (R). Então A ∈ Vλ2 ⇐⇒ T (A) = 3A
c d

2a + b = 3a
     
2 1 0 0 a 3a 



     
2b = 3b
0 2 0 0   b  =  3b  ⇐⇒
   
⇐⇒ 
0 ⇐⇒ a = b = c = 0
 0 2 0  c   3c 
     

 2c = 3c

0 0 0 3 d 3d 

3d = 3d
" #
0 0
Portanto os elementos de Vλ2 são da forma A = = dB4 .
0 d
Consequentemente Vλ2 = [B4 ].

Vamos provar que o polinômio caracterı́stico de A e o de At são o mesmo polinômio.
De fato:
pA (x) = det(A − xIn ) = det( (A − xIn )t ) = det(At − xInt ) = det(At − xIn ) = pAt (x)
Sendo assim, as raı́zes de pA e de pAt , i.e. os autovalores de A e de At , coincidem!

Seja λ um autovalor da matriz invertı́vel A com autovetor associado v (na forma de matriz co-
luna). Então:
In v = v
=⇒ A−1 Av = v
−1
=⇒ A (λv) = v
−1
=⇒ λA v = v
F −1
=⇒ A v = λ1 v
Então 1
λ é um autovalor da matriz A−1 .
OBS.: A implicação F só é válida se λ 6= 0. E na verdade podemos provar que se A é invertı́vel

então 0 não é um de seus autovalores (basta ver que caso 0 fosse autovalor então Ker(A) 6= {0}).

Calculemos as raı́zes de pA (t).
Temos que:  
−t 1 0
pA (t) = det(A − tI3 ) = det  0 −t 1  = −t3 + 1
 
1 0 −t
√ √
E suas raı́zes, i.e. os autovalores de A, são 1, −1+i
2
3
e −1−i 3
2 .

 

h iγ h i h i h i 
Pela definição, T =  T (v1 ) T (v2 ) T (v3 ) .
 
γ  γ γ γ 

Agora, como
• T (v1 ) = v1 ;
• T (v2 ) = v1 + 2v2 + 3v3 ;
• T (v3 ) = v3 ;
 
h iγ 1 1 0
segue que A := T = 0 2 0.
 
γ
0 3 1
Agora podemos calcular o polinômio caracterı́stico:
 
1−t 1 0
pT (t) = det(A − tI3 ) = det  0 2−t 0  = (1 − t)2 (2 − t)
 
0 3 1−t
que possui as raı́zes (autovalores de T ) λ1 = 1 e λ2 = 2.

Calculemos agora os autoespaços.
Autovetores de λ1
   
x x
Seja v = (x, y, z) ∈ R3 . Então v ∈ Vλ1 ⇐⇒ T (v) = λ1 v ⇐⇒ A y  = y 
   
z z

x+y =x
    
1 1 0 x x




⇐⇒ 0 2 0 y  = y  ⇐⇒ 2y = y ⇐⇒ y = 0
    

0 3 1 z z


3y + z = z
Portanto os elementos de Vλ1 são da forma v = (x, 0, z) = x(1, 0, 0) + z(0, 0, 1).
Consequentemente Vλ1 = [(1, 0, 0), (0, 0, 1)].
Autovetores de λ2
   
x 2x
Seja v = (x, y, z) ∈ R3 . Então v ∈ Vλ2 ⇐⇒ T (v) = λ2 v ⇐⇒ A y  = 2y 
   
z 2z

x + y = 2x
    
1 1 0 x 2x



⇐⇒ 0 2 0 y  = 2y  ⇐⇒ 2y = 2y ⇐⇒ x = y e z = 3y
    

0 3 1 z 2z


3y + z = 2z
Portanto os elementos de Vλ2 são da forma v = (y, y, 3y) = y(1, 1, 3).
Sessão 6.3
Calculemos os autovalores e autovetores de A.
Temos que:
 
1−t 1 1
pA (t) = det(A − tI3 ) = det  0 2−t 1  = (1 − t)2 (2 − t)
 
0 0 1−t
que possui como raı́zes λ1 = 1 com ma (λ1 ) = 2 e λ2 = 2 com ma (λ2 ) = 1.
Autovetores de λ1
     
x x x
Seja v = y . Então v ∈ Vλ1 ⇐⇒ A y  = y 
     
z z z

x+y+z =x
    
1 1 1 x x




⇐⇒ 0 2 1 y  = y  ⇐⇒ 2y + z = y ⇐⇒ y = −z
    

0 0 1 z z


z = z
Portanto os elementos de Vλ1 são da forma v = (x, −z, z) = x(1, 0, 0) + z(0, −1, 1).
Consequentemente Vλ1 = [(1, 0, 0), (0, −1, 1)].
E segue que mg (λ1 ) = dim(Vλ1 ) = 2.
Autovetores de λ2
     
x x 2x
Seja v = y . Então v ∈ Vλ2 ⇐⇒ A y  = 2y 
     
z z 2z

x + y + z = 2x
    
1 1 1 x 2x



⇐⇒ 0 2 1 y  = 2y  ⇐⇒ 2y + z = 2y ⇐⇒ z = 0 e x = y
    

0 0 1 z 2z


z = 2z
Portanto os elementos de Vλ2 são da forma v = (y, y, 0) = y(1, 1, 0).
E segue que mg (λ2 ) = dim(Vλ2 ) = 1.

Os autovalores de matrizes similares são os mesmos! Vamos provar que se A e B são matrizes
similares então vale que pA (t) = pB (t).
De fato,
pA (t) = det(A − tIn )

= det(P −1 BP − tIn )
= det( P −1 (B − tIn )P )
1
= det(P −1 ) · det(B − tIn ) · det(P )
2
= det(B − tIn )
= pB (t)
1 2
Onde nas igualdades e usamos as propriedades dos determinantes det(AB) = det(A) det(B) e
−1 1
det(A )= det(A) , respectivamente.

(a) Vamos provar que AB e BA possuem o mesmo polinômio caracterı́stico.
De fato,
pAB (t) = det(AB − λIn )
= det( (AB − λIn )AA−1 )
= det(ABAA−1 − λAA−1 )
= det(A(BA − λIn )A−1 )
= det(A) det(A−1 ) det(BA − λIn )
= det(BA − λIn )
= pBA (t)
Portanto AB e BA possuem os mesmos autovalores (raı́zes do polinômio caracterı́stico).

No Exercı́cio 6.43 vimos que se A e B são matrizes similares então elas possuem o mesmo po-
linômio caracterı́stico. Logo não só os autovalores dessas matrizes coincidem mas também suas
respectivas multiplicidades algébricas.
Resta-nos ver se a multiplicidade geométrica também é mantida.
Agora, dizer que A e B são matrizes similares é dizer que A = P −1 BP para alguma matriz in-
vertı́vel P .
Fixado um autovalor λ de A queremos provar que
dim(Vλ ) = dim(Vλ0 )
onde Vλ é o autoespaço de λ como autovalor de A e Vλ0 é o autoespaço de λ como autovalor de

B.
Seja então β = {v1 , · · · , vk } uma base para Vλ . Para cada autovetor vi vale que:
P −1 BP vi = Avi = λvi
E além disso,
λ(P vi ) = P (λvi ) = P (Avi ) = P (P −1 BP vi ) = B(P vi )
F
com P vi 6= 0, pois vi 6= 0 e P é invertı́vel .
Portanto P vi (i = 1, · · · , k) são autovetores de B associados ao mesmo autovalor λ.
Agora se provarmos que β 0 = {P v1 , · · · , P vk } é L.I. estará provado que dim(Vλ ) ≤ dim(Vλ0 ).
E de fato isso acontece: supondo escalares c1 , · · · , ck tais que
c1 (P v1 ) + · · · + ck (P vk ) = 0
temos que 0 = c1 (P v1 ) + · · · + ck (P vk ) = P (c1 v1 + · · · + ck vk ) e como P é invertı́vel isso implica

que c1 v1 + · · · + ck vk = 0, disso c1 = c2 = · · · = ck = 0 pois {v1 , · · · , vk } = β é uma base. Logo β 0
é realmente L.I..
Agora preciso provar que dim(Vλ0 ) ≤ dim(Vλ ). Para isso, suponha que α0 = {w1 , · · · , wm } seja
uma base de Vλ0 . Temos que B = P AP −1 e analogamente ao caso anterior podemos provar que
α = {P −1 w1 , · · · , P −1 wm } será um conjunto L.I. de autovetores de A associados a λ, o que im-
plica que dim(Vλ0 ) ≤ dim(Vλ ).
De dim(Vλ ) ≤ dim(Vλ0 ) e dim(Vλ0 ) ≤ dim(Vλ ) concluı́mos finalmente que dim(Vλ ) = dim(Vλ0 ) e
consequentemente a transformação de similaridade também conserva a multiplicidade geométrica
dos autovalores!
OBS.F : Se v 6= 0 e P é uma matriz invertı́vel então P v 6= 0. De fato, (pela contrapositiva)

suponha P v = 0, logo P −1 P v = P −1 · 0 =⇒ v = 0.
Outra maneira hde ienxergar essa afirmação é olhar P como uma matriz de uma tranformação li-
γ
near, i.e. P = T para alguma base γ. Então ser invertı́vel é equivalente a T ser bijetora, o
γ
que implica que Ker(T ) = {0} e logo vale a implicação v 6= 0 =⇒ P v 6= 0.
Sessão 6.4
Note que para todo vetor (matriz coluna) v vale que
(Qv)t Qv = v t Qt Qv = v t v
pois Qt = Q−1 . Agora se considerarmos v um autovetor de Q com autovalor associado λ ∈ R

temos que:
(Qv)t Qv = (λv)t λv = λ2 v t v
E portanto λ2 v t v = v t v. Como v 6= 0 disso temos λ2 = 1 =⇒ |λ| = 1 =⇒ λ = 1 ou λ = −1.

O polinômio caracterı́stico de uma matriz Q ∈ Mn (R) é um polinômio com coeficientes reais.
Sendo assim se λ ∈ C é uma raiz desse polinômio, i.e. λ é um autovalor complexo, então λ̄
também é raiz do polinômio!

OBS.: Note que Q não precisa ser ortogonal para satisfazer isso.

Se A ∈ Mn (R) então o grau do polinômio caracterı́stico pA (t) = det(A − tIn ) é n. Sendo assim,
temos um polinômio com coeficientes reais de grau n.
Como vimos no Exercı́cio 6.52, se existe um autovalor complexo λ então λ̄ também é autovalor.
Agora note que se todos os autovalores não fossem números reais, terı́amos para cada λ outro
autovalor diferente λ̄ o que nos levaria a um número par de autovalores.
Sendo assim, se n é ı́mpar obrigatoriamente devemos ter um autovalor real.

(∗ )Neste exercı́cio, podemos entender melhor os passos usando o fato de que toda matriz A ∈
Mn (R) pode ser vista como matriz de um operador linear numa base A = [T ]α
α . Agora observe
que “A é invertı́vel ⇐⇒ T é bijetora ”.
Sendo assim, considere A uma matriz positiva-definida (xt Ax > 0 ∀x 6= 0).
Suponha, por absurdo, que A pode ser não-invertı́vel. Sendo assim, existe um vetor não-nulo
v ∈ Ker(A), pois caso contrário (∗ ) nos diria que T é bijeção.
Disso temos que Av = 0 =⇒ v t Av = 0 e v 6= 0, que é uma contradição pois assumimos que A é
positiva-definida.
Portanto A positiva-definida =⇒ A invertı́vel.
Agora, sabemos que “A simétrica é positiva-definida ⇐⇒ todos seus autovalores são positivos
(Teorema 6.4.5)”. Agora, sabemos que os autovalores de A−1 são todos da forma 1
λ, onde λ é um
autovalor de A (Exercı́cio 6.27).
Disso é imediato que se todos os autovalores de A são positivos então todos os autovalores de
A−1 também são positivos, i.e. A positiva-definida =⇒ A−1 positiva-definida.

Vamos provar que se uma matriz simétrica A é semipositiva-definida e, além disso, não é positiva-
definida, então det(A) = 0 e λ = 0 é um autovalor de A.
Se tivéssemos Ker(A) 6= {0} então Av 6= 0 ∀v 6= 0 =⇒ v t Av 6= 0 ∀v 6= 0 o que não acontece por
hipótese. Logo existe um vetor não-nulo v tal que Av = 0 = 0 · v e portanto λ = 0 é um autovalor
de A.
Além disso, A ∈ Mn (R) não pode ser invertı́vel pois se consideramos A := [T ]α
α então Ker(A) 6=
{0} implica que T não é injetora e logo T não é bijetora, que é equivalente a dizer que A não é
invertı́vel (i.e. det(A) = 0).
Sessão 6.6
Nesta sessão utilizaremos exaustivamente o Teorema 6.6.6 que afirma resumidamente que:
“T é diagonalizável ⇐⇒ existe uma base de autovetores de T ”.

Calculemos primeiramente os autovalores e autovetores do operador linear T .
Encontremos a matriz de T na base canônica de R3 , β = {(1, 0, 0), (0, 0, 1), (0, 0, 1)}.
Temos que
T (1, 0, 0) = (−3, 2, 0)
T (0, 1, 0) = (−4, 3, 0)
T (0, 0, 1) = (0, 0, −1)
 
h iβ −3 −4 0
Portanto A := T =  2 3 0
 
β
0 0 −1
 
−3 − λ −4 0
Agora podemos calcular o polinômio caracterı́stico p(λ) = det(A−λI3 ) = det  2 3−λ 0  =
 
0 0 −1 − λ
(−3 − λ)(3 − λ)(−1 − λ) + 8(−1 − λ) = (−1 − λ)[(3 − λ)(−3 − λ) + 8] = (−1 − λ)(λ2 − 1)
Então as raı́zes do polinômio caracterı́stico, i.e. os autovalores de T , são λ1 = 1 e λ2 = −1. Do
polinômio caracterı́stico concluı́mos que ma (λ1 ) = 1 e ma (λ2 ) = 2.
Calculmeos agora os autoespaços.
Autovetores de λ1
Seja v = (x, y, z) vetor genérico de R3 . Então v ∈ Vλ1 ⇐⇒ T (x, y, z) = (x, y, z)
⇐⇒ Av = v (escrevendo o vetor
como matriz coluna). Disso temos que: v ∈ Vλ1 ⇐⇒
−3x − 4y = x
    
−3 −4 0 x x




2 3 0  y  = y  ⇐⇒ ⇐⇒ z = 0; x = −y
    
2x + 3y = y

0 0 −1 z z

−z = z

Portanto os elementos de Vλ1 são da forma v = (−y, y, 0) = y(−1, 1, 0).

Consequentemente Vλ1 = [(−1, 1, 0)] e observe que disso concluı́mos que mg (λ1 ) = dim(Vλ1 ) = 1.
Autovetores de λ2
Seja v = (x, y, z) vetor genérico de R3 . Então v ∈ Vλ2 ⇐⇒ T (x, y, z) = −1 · (x, y, z)
⇐⇒ Av = −v (escrevendo o vetor como matriz coluna).
 Disso temos que:
−3x − 4y = −x
    
−3 −4 0 x −x




v ∈ Vλ2 ⇐⇒  2 3 0  y  = −y  ⇐⇒ 2x + 3y = −y ⇐⇒ x = −2y
    

0 0 −1 z −z

−z = −z

Portanto os elementos de Vλ2 são da forma v = (−2y, y, z) = y(−2, 1, 0) + z(0, 0, 1).

Consequentemente Vλ2 = [(−2, 1, 0), (0, 0, 1)] e observe que disso concluı́mos que mg (λ2 ) =
dim(Vλ2 ) = 2.
Finalmente como dim(Vλ1 ) + dim(Vλ2 ) = dim(R3 ) conseguimos encontrar uma base para R3
formada por autovetores de T .
De fato, o conjunto de autovetores β = {(−1, 1, 0), (−2, 1, 0), (0, 0, 1)} é L.I. (e portanto base);
Podemos verificar manualmente que β é L.I. ou usar o fato de que autovetores associados a auto-
valores distintos são L.I. entre si (e os autovetores com mesmo autovalor associado são L.I. entre
si pois são integrantes da base do autoespaço).
Tendo feito isso provamos que β é uma base de R3 formada por autovetores e, como diz o Teo-
rema 6.6.6, fica provado que T é um operador linear diagonalizável.

Calculemos primeiramente os autovalores e autovetores do operador linear T .
Encontremos a matriz de T na base canônica de P2 (R), β = {1, x, x2 }.
Temos que
T (1) = 0
T (x) = 2 + 2x
T (x2 ) = 1 − x + 2x2
 
h iβ 0 2 1
Portanto A := T = 0 2−1
 
β
0 0 2
Agora podemos calcular o polinômio caracterı́stico
 
−λ 2 1
p(λ) = det(A − λI3 ) = det  0 2−λ −1  = (−λ)(2 − λ)2
 
0 0 2−λ
Então as raı́zes do polinômio caracterı́stico, i.e. os autovalores de T , são λ1 = 0 e λ2 = 2. Do

polinômio caracterı́stico concluı́mos que ma (λ1 ) = 1 e ma (λ2 ) = 2.
Calculmeos agora os autoespaços.
Autovetores de λ1
Para economizar esforço, podemos usar um método diferente do Exercı́cio 6.65.
Sei que λ1 = 0 é autovalor de T . Então existe um p1 (x) 6= 0 tal que p1 (x) é autovetor associado
a λ1 . E como ma (λ1 ) = 1 e 1 ≤ mg (λ1 ) ≤ ma (λ1 ) = 1, segue que dim(Vλ1 ) = mg (λ1 ) = 1.
E veremos que saber a dimensão dos autoespaços é suficiente para determinar se um operador é
diagonalizável ou não! Pois “a soma da dimensão dos autoespaços é igual a dimensão do espaço
todo ⇐⇒ o operador é diagonalizável” (essa afirmação é equivalente a dizer que um operador é
diagonalizável ⇐⇒ existe uma base de autovetores).
Autovetores de λ2
Neste caso, não conseguimos um argumento similar ao anterior pois ma (λ2 ) > 1. Isto é, não
conseguimos de maneira rápida concluir a existência de um conjunto L.I. de autovetores sem cal-
cular os autovetores explicitamente. Então calculemos eles.
Seja p(x) = a + bx + cx2 vetor genérico de P2 (R). Então p(x) ∈ Vλ2 ⇐⇒ T (p(x)) = 2 · p(x)
⇐⇒ (2b + c) + (2b − c)x + 2cx2 = 2a + 2bx + 2cx2 ⇐⇒ (2b + c − 2a) + (2b − c − 2b)x + (2c − 2c)x2 =
0P2 (R) . Disso temos
 que:
2b + c − 2a = 0



p(x) ∈ Vλ2 ⇐⇒ −c = 0 , que possui solução c = 0 e b = a.



0 = 0
Portanto os elementos de Vλ2 são da forma p(x) = a + ax = a(1 + x).
Consequentemente Vλ2 = [1 + x] e observe que disso concluı́mos que mg (λ2 ) = dim(Vλ2 ) = 1.
Sendo assim, não é possı́vel encontrar uma base de autovetores, pois conseguimos apenas um
conjunto L.I. de no máximo dois autovetores {p1 (x), 1 + x} e dim(P2 (R)) = 3. Logo não existe
base de autovetores e portanto T não é um operador diagonalizável.
OBS.: Em geral, quando encontrarmos que mg (λ) < ma (λ) para algum autovalor λ isso já será
suficiente para concluirmos que o operador em questão não é diagonalizável (Por quê? ).

A base ordenada que o exercı́cio nos pede é simplesmente uma base de autovetores (Por quê? ).
Então vamos calcular os autovetores de T .
Do Exercı́cio 6.11 temos que os autovalores de T são λ1 = 1 e λ2 = −1.

Autovetores de λ1
 
a b c
Seja A = d e f  uma matriz genérica de M3 (R). Então A ∈ Vλ1 ⇐⇒ T (A) = A
 
g h i

b=d
   
a d g a b c




t
⇐⇒ A = A ⇐⇒  b e h = d e f  ⇐⇒ c=g .
   

c f i g h i


f = h
 
a b c
Portanto os elementos de Vλ1 são da forma A =  b e f
 
c f i
           
1 0 0 0 1 0 0 0 1 0 0 0 0 00 0 0 0
= a 0 0 0 +b 1 0 0 +c 0 0 0 +e 0 1 0 +f 0 0 1 +i 0 0 0.
           
0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1
| {z } | {z } | {z } | {z } | {z } | {z }
A1 A2 A3 A4 A5 A6
Consequentemente Vλ1 = [A1 , A2 , A3 , A4 , A5 , A6 ].
Autovetores de λ2
 
a b c
Seja A = d e f  uma matriz genérica de M3 (R). Então A ∈ Vλ2 ⇐⇒ T (A) = −A
 
g h i

   


 a=e=i=0
a d g −a −b −c


b = −d

t
⇐⇒ A = −A ⇐⇒  b e h = −d −e −f  ⇐⇒ .
   
 c = −g
c f i −g −h −i




f = −h

 
0 b c
Portanto os elementos de Vλ2 são da forma A = −b 0 f 
 
−c −f 0
     
0 0 1 0 0 1 0 0 0
= b −1 0 0 +c  0 0 0 +f 0 0 1.
     
0 0 0 −1 0 0 0 −1 0
| {z } | {z } | {z }
B1 B2 B3
Consequentemente Vλ2 = [B1 , B2 , B3 ].
h iβ
Portanto concluı́mos que a base procurada é β = {A1 , A2 , A3 , A4 , A5 , A6 , B1 , B2 , B3 }, pois T
β
é sempre diagonal se β é base de autovetores.

Novamente recorremos ao Teorema 4.2.1 que diz, resumidamente, que:
“Uma transformação linear fica completamente determinada pelos seus valores numa base”
Prosseguimos da seguinte maneira:

Colocamos
• T (1, 0, 1) = (0, 0, 0) = 0 · (1, 0, 1)
para incluir u = (1, 0, 1) no núcleo.

E agora, colocamos
• T (0, 1, 0) = 1 · (0, 1, 0)
• T (0, 0, 1) = 2 · (0, 0, 1)
para satisfazer a condição de T ser diagonalizável!

A estratégia de colocar cada vetor da base escolhida como um autovetor associado a um auto-
valor diferente é sempre boa porque, após calcularmos a fórmula explı́cita de T , provar que T é
diagonalizável será bem rápido.
De fato, calculando a fórmula de T obtemos (exemplo mais detalhado de como calcular a fórmula
explı́cita de um operador no Exercı́cio 4.6) :
(x, y, z) = c1 (1, 0, 1) + c2 (0, 1, 0) + c3 (0, 0, 1) =⇒ c1 = x, c2 = y e c3 = z − x. E portanto:
T (x, y, z) = y(0, 1, 0) + (z − x)(0, 0, 2) = (0, y, 2z − 2x)

Agora podemos concluir que T é diagonalizável pois possui 3 autovalores distintos: λ1 = 0, λ2 =

1 e λ3 = 2, o que implica que existe um autovetor vi associado a cada autovalor λi e β = {v1 , v2 , v3 }
é L.I. pois é formado por autovetores de autovalores distintos (e portanto β é base de R3 ).
OBS.: Como sempre, é uma boa prática verificar (no rascunho) se o operador encontrado real-
mente satisfaz as propriedades requeridas.
Sessão 6.7
Vamos provar que x∗ Ax = x∗ Ax.
De fato, temos que x∗ Ax = x∗ Ax = xt Ax. Agora como xt Ax é uma matriz 1×1 podemos aplicar
a transposta sem alterar nada. Logo
x∗ Ax = xt Ax = (xt Ax)t = x∗ A∗ x = x∗ Ax
E isso só pode acontecer se x∗ Ax for um número real.

(a) Se A é diagonalizável então existe uma matriz invertı́vel P tal que A = P DP −1 , onde D é a
matriz diagonal dos autovalores de A. Disso,
det(A) = det(P ) det(P −1 ) det(D) = det(D) = λ1 · · · λn
(b) Da mesma forma,
tr(A) = tr(P DP −1 ) = tr(P −1 P D) = tr(D) = λ1 + · · · + λn

Basta diagonalizar a matriz A e então ortonormalizar a base de autovetores encontrada.
Autovalores de A
 
−t 1 1
p(t) = det(A − tI3 ) = det  1 −t 1  = −t3 + 3t + 2 = (2 − t)(t + 1)2
 
1 1 −t
Logo os autovalores são λ1 = −1 e λ2 = 2
Autovetores de A

x+y+z =0
    
0 1 1 x x




Av = λ1 v ⇐⇒ 1 0 1 y  = −1 · y  ⇐⇒ x + y + z = 0 ⇐⇒ x = −y − z
    

1 1 0 z z


x + y + z = 0
⇐⇒ v = (−y − z, y, z) = y(−1, 1, 0) + z(−1, 0, 1)
Portanto Vλ1 = [(−1, 1, 0), (−1, 0, 1)].

−2x + y + z = 0
    
0 1 x 1 x




Av = λ2 v ⇐⇒ 1 0 1 y  = 2 · y  ⇐⇒ x − 2y + z = 0 ⇐⇒ x = y = z
    

1 1 0 z z

x + y − 2z = 0

⇐⇒ v = (x, x, x) = x(1, 1, 1)
Portanto Vλ2 = [(1, 1, 1)].
v v v
z }|1 { z }|2 { z }|3 {
Consequentemente, β = {(−1, 1, 0), (−1, 0, 1), (1, 1, 1)} é uma base de autovetores de A. Note que
β não é uma base ortonormal.
Agora aplicamos o processo de Gram-Schmidt na base beta para obter uma base α = {q1 , q2 , q3 }
ortonormal.
w 1 = v1
hv2 ,q1 i
w 2 = v2 − hq1 ,q1 i q1
hv3 ,q1 i hv3 ,q2 i
w 3 = v3 − hq1 ,q1 i q1 −hq2 ,q2 i q2
Finalmente fazemos qi = kw1i k wi para i = 1, 2, 3 e obtemos a base ortonormal α.
√
Fazendo as contas obtemos q1 = √1 (−1, 1, 0), q2 = √2 (−1/2, −1/2, 1) e q3 = √1 (1, 1, 1) como os
2 3 3
elementos da base
 ortonormal
√ √ de√autovetores.
√ 
−1/ 2 − 2/2 3 1/ 3
 √ √ √ √ 
Portanto Q =  1/ 2 − 2/2 3 1/ 3 é a matriz ortogonal procurada.
√ √ √
0 2/ 3 1/ 3

OBS.: No livro do Pulino, foi definido uma matriz ser “positiva-definida” no caso que a matriz,
por hipótese, já era simétrica. Sendo assim, neste exercı́cio fica subentendido (ou não) que A é
uma matriz simétrica. Este caso particular é bem mais simples e será feito abaixo. Uma resposta
mais geral também será feita após.
Se A é simétrica, dizer que A é positiva-definida é equivalente a dizer que todos os autovalores

de A são positivos. Sendo assim, como toda matriz simétrica é diagonalizável, A = P −1 DP ,
onde D é a matriz diagonal de autovalores. Segue que det(A) = det(P ) det(P −1 ) det(D) =
det(D) = λ1 · ... · λn > 0, pois λi > 0 (i = 1, · · · , n).
No caso em que não assumimos que A é simétrica, a prova é mais longa.

Considere a função
f (t) = det(tIn + (1 − t)A)
definida em [0, 1]. Observe que f é contı́nua e que f (0) = det(A) e f (1) = det(In ) = 1.
Nosso objetivo agora é mostrar que f não se anula, pois disso (usando o Teorema do Valor Inter-
mediário) teremos que det(A) > 0 (pois 1 > 0).
Agora, observe que a matriz tIn + (1 − t)A também é positiva-definida para todo t ∈ [0, 1] pois
xT (tIn − (1 − t)A)x = txT x + (1 − t)xT Ax > 0
já que xT Ax, t, (1 − t) > 0.

Agora, como matrizes positivas-definidas são invertı́veis segue que
f (t) = det(tIn + (1 − t)A) 6= 0 ∀t ∈ [0, 1]
5.0.32 Exercı́cio 6.100

F
Usaremos o Teorema 6.7.10 para dizer que os autovalores não-nulos de uma matriz anti-simétrica
são necessariamente imaginários puros.
Como I − A ∈ Mn (R), vamos provar que Ker(I − A) = {0} e disso concluir que I − A é invertı́vel
(argumento melhor justificado em (*)Exercı́cio 6.60).
De fato, v ∈ Ker(I − A) ⇐⇒ (I − A)v = 0 ⇐⇒ v − Av = 0 ⇐⇒ Av = v.
Logo supondo, por absurdo, que v 6= 0 concluı́mos que v é autovetor de A com autovalor λ = 1.
Mas isto é uma contradição pois matrizes anti-simétricas possuem apenas autovalores nulos ou
imaginários puros.
Logo Ker(I − A) = {0} e portanto I − A é invertı́vel.
Análogo para I + A.
Agora, vamos provar que a matriz B := (I − A)(I + A)−1 satisfaz B t B = I (e portanto é ortogo-
nal).
Primeiro, note que as matrizes I − A e I + A comutam. Isto é, (I − A)(I + A) = I − A2 =
(I + A)(I − A).
Agora, note que B t = ((I + A)−1 )t (I − A)t = ((I + A)t )−1 (I − A)t = (I + At )−1 (I − At ) =
(I − A)−1 (I + A).
E finalmente,
B t B = (I − A)−1 (I + A)(I − A)(I + A)−1 = (I − A)−1 (I − A)(I + A)(I + A)−1 = I
5.0.33 Exercı́cio 6.101

Observe que A é uma matriz simétrica.
Sendo assim A é positiva-definida se, e somente se, todos os seus autovalores são positivos.
Então vamos calculá-los!
Note que o polinômio caracterı́stico de A,

 
5−t −1 2
pA (t) = det(A − tI3 ) = det  −1 8−t −1 
 
2 −1 5−t
possui raı́zes λ1 = 3, λ2 = 6 e λ3 = 9.
Sendo assim, todos os autovalores da matriz simétrica A são positivos e, portanto, A é uma ma-
triz positiva
 definida.
3 0 0
Seja D = 0 6 0, então existe uma matriz invertı́vel P tal que A = P DP −1 (toda matriz
 
0 0 9
simétrica é diagonalizável). Disso, analogamente ao Exercı́cio 6.92, concluı́mos que det(A) =
3 · 6 · 9 = 162 e tr(A) = 3 + 6 + 9 = 18.
5.0.34 Exercı́cio 6.108

Vamos provar que se A é congruente a identidade então A é positiva-definida.
De fato, se A é congruente a In então existe uma matriz invertı́vel P tal que A = P In P t = P P t .
Agora considere um vetor x não-nulo. Então
xt Ax = xt (P P t )x = (P t x)t (P t x) = hP t x, P t xi > 0
pois P invertı́vel =⇒ P t invertı́vel =⇒ Ker(P t ) = {0} =⇒ P t x 6= 0, se x 6= 0.

Disso concluı́mos que para todo vetor x não-nulo vale que xt Ax > 0. Logo A é positiva-definida.
E como A é uma matriz simétrica, ser positiva-definida é equivalente a dizer que todos os auto-
valores de A são positivos.

Pulino Solucoes Comentadas111118

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Pulino Solucoes Comentadas111118

Enviado por

Direitos autorais:

Formatos disponíveis

Soluções comentadas do livro “Álgebra Linear e suas

Aplicações - Petronio Pulino”

Universidade Estadual de Campinas

2.0.20 Exercı́cio 3.43 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

4.0.12 Exercı́cio 5.58 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

5.0.32 Exercı́cio 6.100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

(b) (E, ?) é grupo abeliano e vou provar.

ii)Existência do elemento neutro: Note que ∀x ∈ E vale que

iii)Existência dos simétricos: Note que ∀x ∈ E vale que

iv)Comutatividade de ?: ∀x, y ∈ E vale que:

(c) (E, ?) é grupo abeliano (análogo à letra (b)).

(d) (E, ?) não é grupo abeliano pois tomando x = 1 e y = 0 temos que 2 = x ? y 6= y ? x = 1.

1.0.2 Exercı́cio 1.2

1.0.3 Exercı́cio 1.3

1.0.4 Exercı́cio 1.5

Existência do Elemento Neutro: ∀x ∈ R vale que

1.0.5 Exercı́cio 1.7

1.0.6 Exercı́cio 1.12

1.0.8 Exercı́cio 1.20

1.0.9 Exercı́cio 1.21

A2) Associatividade: ∀A, B, C ∈ Mn (R) vale que:

M3) Distributividade para a Multiplicação por Escalar: ∀α, β ∈ R e ∀A ∈ Mn (R) vale

Se supusermos e = 1 então temos eaij = aij ∀i, j e consequentemente (pela implicações ⇐= )

2.0.2 Exercı́cio 3.4

(x ⊕ y) ⊕ z = (xy) ⊕ z pela definição de ⊕

A3) Elemento Neutro: Sei que para todo x ∈ V vale que:

M2)Distributividade para Adição de Elementos: ∀α ∈ R e ∀x, y ∈ V vale que:

2.0.3 Exercı́cio 3.5

x+y = (v1 , w1 ) + (v2 , w2 )

A3) Elemento Neutro: Sei que para todo x ∈ Z vale que:

A4) Elemento Simétrico: dado x = (v1 , w1 ) elemento genérico de Z, vale que:

M1) Associatividade: ∀α, β ∈ R e ∀x ∈ Z vale que:

ii): Dados (x1 , · · · , xn ), (y1 , · · · , yn ) ∈ H quero mostrar que (x1 , · · · , xn ) + (y1 , · · · , yn ) ∈ H.

2.0.5 Exercı́cio 3.11

2.0.6 Exercı́cio 3.14

2.0.7 Exercı́cio 3.16

2.0.9 Exercı́cio 3.20

2.0.10 Exercı́cio 3.21

E consequentemente U ∩ W = [(0, 0, 1, 1)].

(b) Dado v = (x, y, z, t) elemento genérico de R4 , então v ∈ U + W ⇐⇒ v = u + w para algum

Logo, v ∈ U + W se (e somente se) existem escalares a1 , a2 , b1 , b2 , b3 tais que

E isso é a mesma coisa que dizer U + W = [u1 , u2 , w1 , w2 , w3 ].

2.0.12 Exercı́cio 3.24

2.0.13 Exercı́cio 3.25

2.0.14 Exercı́cio 3.28

2.0.15 Exercı́cio 3.29

(b) O conjunto não é L.I. pois

2x3 − x2 = 2 · (x3 ) − 1 · (x2 − x) − 1 · (x)

2.0.17 Exercı́cio 3.35

2.0.18 Exercı́cio 3.37

0 = c1 f (x) + c2 g(x) = c1 x − c2 x = (c1 − c2 )x ∀x ∈ [−1, 0]

E como temos uma igualdade de polinômio, isso implica que c1 − c2 = 0 =⇒ c1 = c2 .

ii)Analogamente concluı́mos que c1 = 1 e c2 = −1 são tais que

O que implica que S = {f, g} é L.D. em C([0, 1]).

Agora, provemos que S = {f, g} é L.I. em C([−1, 1]).

Issso implica que 0 = c1 f (x) + c2 g(x) = c1 x + c2 |x| ∀x ∈ [−1, 1].

0 = c1 x + c2 |x| = c1 x − c2 x = (c1 − c2 )x =⇒ c1 − c2 = 0 =⇒ c1 = c2 (F)

E se restringirmos a igualdade para o intervalo [0, 1] temos

0 = c1 x + c2 |x| = c1 x + c2 x = (c1 + c2 )x =⇒ c1 + c2 = 0 =⇒ c1 = −c2 (♥)

De ♥ e F concluı́mos que c1 = c2 = 0, e consequentemente S = {f, g} é L.I. em C([−1, 1]).

2.0.19 Exercı́cio 3.39

a13 a23 a33

E consequentemente S = {A1 , A2 , A3 , A4 , A5 , A6 } é um conjunto de geradores para W .